Exploração de modelos de aprendizagem de máquina para redução do esforço computacional em codificadores de vídeos digitais

Descrição

Aplicações multimídia que manipulam vídeos digitais estão cada vez mais presentes em dispositivos móveis, as quais vêm se popularizando com a difusão dos serviços de streaming ao redor do mundo. A base tecnológica existente para a transmissão e armazenamento eficientes de vídeos digitais está em ferramentas de compressão de vídeo (também chamado de codificação de vídeo), as quais têm por objetivo reduzir o volume de representação deste tipo de mídia. Neste sentido, os padrões mais recentes de codificação de vídeo foram desenvolvidos para suprir esta necessidade de altas taxas de compressão, com foco nas demandas das aplicações multimídia mais atuais, as quais processam vídeos de ultra alta resolução (resoluções 4K e 8K) a altas taxas de captura e exibição (entre 30 e 120 quadros por segundo). O padrão Versatile Video Coding (VVC) é o estado-da-arte em termos de compressão de vídeo, definindo uma série de ferramentas de codificação inovadoras para cumprir com os requisitos de taxa de compressão e qualidade final dos vídeos. Ao mesmo tempo que demonstra resultados satisfatórios nestes quesitos, as implementações de codificadores de vídeo VVC têm apresentado um altíssimo esforço computacional, chegando a ser até 31x mais complexas do que a aplicações baseadas nos padrões anteriores, como o High-Efficiency Video Coding (HEVC). Estudos apontam que as etapas de predição representam até 60% do esforço computacional, dentre as ferramentas de codificação presentes em codificadores VVC. Neste sentido, este projeto tem como objetivo propor soluções para a redução da complexidade computacional de codificadores de vídeo segundo o padrão VVC, com foco em otimizar a execução das etapas de predição inter-quadros e intra-quadro. Como oportunidade de pesquisa a ser explorada, serão prospectados, treinados e avaliados modelos de aprendizagem de máquina para acelerar etapas de decisão e otimizar a execução de etapas dentro dos módulos de predição, proporcionando um menor esforço computacional. A metodologia proposta para o projeto prevê: o levantamento bibliográfico e o estudo de técnicas de aprendizagem de máquina, bem como de soluções já publicadas que utilizam modelos de aprendizagem de máquina para a redução de complexidade da codificação de vídeo; a coleta e avaliação de features para o treinamento de modelos de inferência; a implementação dos modelos desenvolvidos em aplicações de referência do padrão VVC; a execução de grandes lotes de experimentos computacionais; e a avaliação dos resultados obtidos pelas estratégias desenvolvidas no projeto. Este projeto fundamenta-se em iniciativas desenvolvidas entre 2025 e 2026, que envolveram o treinamento de árvores de decisão para o controle dinâmico (liga/desliga) da predição inter-quadros em diferentes níveis de particionamento. Tais modelos proporcionaram uma redução significativa da complexidade computacional com perdas mínimas de eficiência de codificação, apresentando resultados competitivos frente ao estado da arte da literatura. Para a etapa atual, pretende-se expandir essas soluções por meio de: (1) análises aprofundadas de um conjunto mais extenso de features para o treinamento e avaliação dos modelos; (2) emprego de algoritmos robustos para a otimização de hiperparâmetros; (3) ampliação do escopo de otimização, integrando tanto o refinamento da predição inter-quadros quanto a inclusão da predição intra-quadro no espectro de análise. Ao final deste projeto, espera-se contribuir com soluções práticas para a implementação de codificadores de vídeo que minimizem o esforço computacional, preservando as altas taxas de compressão e a qualidade visual intrínsecas ao padrão VVC.