随着时代的发展，新一代通用视频编码（versatile video coding, VVC）^[1]应运而生. 相比上一代高效视频编码（high efficiency video coding, HEVC）^[2]，VVC的压缩效率提高了将近50%. 性能提升是由于VVC标准采用诸多新技术，包括帧内预测模式从HEVC使用的35个扩展到67个，多变换核选择^[3]、低频不可分离变换^[4]及多种划分模式^[5]等. 在量化方面，从硬决策量化（hard decision quantization, HDQ）^[6]，到基于软决策量化（soft decision quantization, SDQ）^[7]的率失真优化量化（rate distortion optimized quantization, RDOQ）^[8]，再到依赖性量化（dependent quantization, DQ）^[9]，这些新技术为VVC编码效率带来了显著提升，但编码复杂度急剧增加.

量化作为视频编码模块中较耗时的一个步骤，除了复杂的乘除法操作外，在RDOQ中还有更复杂的率失真优化（rate-distortion optimization, RDO）遍历操作，即每个预量化系数会有几个可选的量化值，通过RDO遍历过程得到最优的量化值. 乘除法和RDO遍历操作的计算复杂度非常高，许多变换单元（transform unit, TU）经常会被RDOQ量化为零系数块，即全零块（all zero block, AZB），且最终仅需传输一个全零编码标志位. 若能够在量化前将这些AZB提前判决出来，则可以省去RDOQ中复杂的乘除法、RDO代价计算比较和相关上下文模型更新等繁琐的步骤，达到减少编码复杂度的目的.

近年来，针对视频编码器中AZB的预判决已被广泛探索. 在H.264/AVC^[10]上的研究，如Wang等^[11]在H.264上应用高斯分布研究变换系数，提出利用绝对变换误差和检测AZB的方法. Zhao等^[12]在H.264上，基于AZB的统计特征建立阈值查找表，通过阈值对AZB进行判决. Yang等^[13]将软决策量化应用到H.264中. 在HEVC中的研究，如Lee等^[14]通过对变换后的哈达玛系数再次进行哈达玛变换，通过比较系数与固定阈值来检测AZB. Cui等^[15]提出混合的AZB检测方法，通过单个系数阈值和拉普拉斯分布建模，得到2个AZB检测阈值，取2个阈值中较小的作为最终阈值. Yin等^[16]提出多阶段AZB检测方法，分多个阶段对AZB进行检测，通过阈值和机器学习对AZB进行判决.

已有的算法均是在H.264和HEVC上实现的，但在新一代视频编码标准VVC中，由于新的划分模式，导致多种不规则的非方形TU的存在而不再适用. 本文针对VVC，提出全新的VVC分步AZB判决快速算法，以加速量化的方式来减少编码器复杂度.

提出的分步AZB判决快速算法流程如图1所示. 图1中的缩略词定义如下.

1）G-AZB：若TU在经过HDQ后，所有变换系数都被量化为零，则称为真全零块（genuine all zero block, G-AZB）.

2) P-AZB：若TU中的所有非零系数被RDOQ进一步量化为零，则称为伪全零块（pseudo all zero block, P-AZB）.

3） NAZB：若TU中的所有非零系数经过RDOQ后存在非零系数，则称为非全零块（non-all zero block, NAZB）.

从图1可以看出本文算法的流程. 1）比较变换系数最大值与阈值 $ {\zeta _1} $，判决出G-AZB. 2）对于第一步不是G-AZB的TU来说，判断变换系数最大值是否满足不等式(9). 若满足，则比较满足不等式(10)的变换系数的位置最大值与阈值 $ {\zeta _2} $，判决出P-AZB. 3）对于2）步中变换系数最大值不满足不等式(9)或者在2）步判决后不是P-AZB的TU来说，提取特征并输入到全连接神经网络，根据输出值判决为P-AZB或NAZB.

G-AZB、P-AZB和NAZB在2个量化参数（quantization parameter, QP）下的不同M（TU中系数个数）的比例如图2所示，用P表示对应元素所占的百分比. 仅列出较具有代表性的M为64、128、256和512的3种AZB的占比情况，对于没有列出的M，即16、32、1 024、2 048和4 096的情况，AZB的占比情况类似.

从图2可以看出，G-AZB的比例与QP呈正相关，与M呈负相关；NAZB的比例与QP呈负相关，与M呈正相关. G-AZB和P-AZB的比例相对较大，尤其是在QP较大的情况下，因此对这些AZB进行检测是非常有意义的.

为了推导G-AZB检测阈值，从HDQ入手，带有死区的HDQ定义^[6]为

(1) $ \begin{split} \left| {{l_{ij}}} \right| &= \left\lfloor {\frac{{\left| {c{}_{ij}} \right|}}{{{Q_{{\text{step}}}}}}+f} \right\rfloor = \left\lfloor {\frac{{\left| {{d_{ij}}} \right| \cdot {\rm{MF}}}}{{{2^{{Q_{{\text{bits}}}}}}}}+f} \right\rfloor = \\ & \left| {{d_{ij}}} \right| \cdot {\rm{MF}}+f' \gg {Q_{{\text{bits}}}}{\text{.}} \end{split} $

式中： $ f' = f \ll {Q_{{\text{bits}}}} $； $ {c_{ij}} $和 $ {d_{ij}} $分别为缩放前和缩放后的变换系数； $ {l_{ij}} $为量化系数； $ {Q_{{\text{step}}}} $为量化步长，与QP的取值有关； $ f $为HDQ中的死区偏移量，与帧类型有关； $ {\rm{MF}} $和 $ {Q_{{\text{bits}}}} $分别定义为

(2) $ {\rm{MF}} = \left\{ {26\,214,23\,302,20\,560,18\,396,16\,384,} \right.\left. {14\,564} \right\}, $

(3) $ {Q_{{\text{bits}}}} = q_{\rm{bits}}+T_{\rm{s}}. $

式中： $q_{\rm{bits}} = 14+{\rm{floor}}({{{\rm{QP}}} \left/\right. 6})$， $T_{\rm{s}}$为缩放因子.

G-AZB是TU经过死区HDQ后为全零的块，因此从提到的死区HDQ公式入手，考虑到向下取整，即只要是小于1的数，都会被向下取整为0. 对于G-AZB，每个量化系数一定小于1，即

(4) $ \max \,\left| {{l_{ij}}} \right| < 1. $

将 $ {l_{ij}} $代入式（4），有

(5) $ \max \,\left(\left(\left| {{d_{ij}}} \right| \cdot {\rm{MF}}+f'\right) \gg {Q_{{\text{bits}}}}\right) < 1. $

进一步化简，可得

(6) $ \max\, \left| {{d_{ij}}} \right| < \frac{{1 \ll {Q_{{\text{bits}}}} - f'}}{{{\rm{MF}}}}. $

将式（6）的右端作为G-AZB的检测阈值，即

(7) $ {\zeta _1} = \frac{{1 \ll {Q_{{\text{bits}}}} - f'}}{{{\rm{MF}}}}. $

只要 $\max\, \left| {{d_{ij}}} \right| < {\zeta _1}$，就认定该TU是G-AZB，无需经过量化.

由于 $ {\zeta _{\text{1}}} $为基于HDQ的“向下取整”的特点反向推导得到，这部分G-AZB检测阈值模型的正确率是100%，即对于最终量化结果是G-AZB的TU来说，采用 $ {\zeta _{\text{1}}} $来检测的判决错误率为0%.

通过阈值 $ {\zeta _1} $已经实现了G-AZB的检测，对于采用死区HDQ后仍存在非零系数的TU来说，有可能被RDOQ进一步量化为AZB. 考虑到RDOQ的计算复杂度，本文将这样的变换块检测出来，以便跳过RDOQ.

若TU满足

(8) $ \max \,\left(\left| {{d_{ij}}} \right|\right) \cdot {\rm{MF}} \gg {Q_{{\text{bits}}}} < 1 - f, $

则TU经过死区HDQ一定会被量化为G-AZB. 相应地，若变换块满足

(9) $ 1 - f \leqslant \max\, \left(\left| {{d_{ij}}} \right| \right)\cdot {\rm{MF}} \gg {Q_{{\text{bits}}}} < 1, $

则这样的TU虽然被死区HDQ量化为非零，但是有可能会被RDOQ进一步量化为AZB，即P-AZB.

对于变换系数最大值满足式（9）的TU，考虑满足下式的变换系数：

(10) $ 1 - f \leqslant \left| {{d_{ij}}} \right| \cdot {\rm{MF}} \gg {Q_{{\text{bits}}}} < 1. $

假设满足式（10）的变换系数位置分别为 ${\rho _1},\; {\rho _2},\; \;{\rho _3},\cdots \cdots\;$，则 $\; {\rho _{\rm{m}}} = \max\, \left\{{\;\rho _1},\;{\rho _2},\;{\rho _3},\cdots \cdots\right\} $. 对于 $ \;{\rho_{\rm{m}}} < {\zeta _2} $的TU，判决为P-AZB. TU SIZE越大，满足式（10）的变换系数个数会增加， $\; {\rho _{\rm{m}}} $也随之增加，因此 $ {\zeta _2} $与TU SIZE呈正相关. QP正相关于 $ {Q_{{\text{step}}}} $，即更大的QP会使量化系数更小，因此 $ {\zeta _2} $与QP呈负相关. 基于经验和统计分析，使用如下的阈值公式进行P-AZB判决：

(11) $ {\zeta }_{2}=\left\{ {\begin{array}{l}{\rm{round}}\;\left(\dfrac{P+1}{P}\cdot (M\gg 2)-(Q\ll 2)-\dfrac{{M}_{\mathrm{max}}}{{M}_{\mathrm{min}}}\cdot \dfrac{1}{{\rm{QP}}}\right)\text{，}\\ \quad \;\;\; {{M}}\in \{\text{16}\text{，}\text{32}\text{，}\text{64}\text{，}\text{128}\text{，}\text{256}\text{，}\text{512}\text{，}\text{1 024}\};\\ \text{1 024}\text{，}M\in \{\text{2 048},\text{4 096}\}.\end{array} } \right.$

式中： $ {M_{\min }} $和 $ {M_{\max }} $分别为16和4 096； $Q = {M}/{{{M_{\max }}}}$，在VTM10.0中 $ \max \;({\rm{QP}}) $为51； $P = {{{\rm{QP}}}}/\max \; ({\rm{QP}})$.

尽管检测了部分P-AZB，但是剩余一些难以检测的P-AZB无法通过2）步的自适应阈值公式检测出来. 通过分析这些P-AZB，找寻8个影响TU量化为全零与否的影响因子. 这些影响因子涉及系数级、TU级和上下文级特征，基于机器学习对这些特征进行离线训练，训练的网络能够较好地检测出这些P-AZB.

考虑到这是“二分类”的问题，一般采用支持向量机（support vector machine, SVM）或全连接神经网络（fully connected neural network, FCNN）^[17]算法. 如表1所示为2种算法在视频序列BasketballPass的部分TU下的检测精度和时间复杂度对比. 表中， $ \varepsilon $为检测精度，是判决正确的样本与总样本的比值； $ \eta $为FCNN较SVM平均增加的复杂度.

从表1可以看出，2种算法在判决AZB的时间复杂度方面基本无差异，但是FCNN的检测精度优于SVM. 由于在实际判决过程中，不同序列在不同QP下的样本存在一定差异，FCNN能够比SVM更好地应对所带来的差异. 一段视频序列的样本数据较大，FCNN更适合对较大样本进行训练. 综合以上几点原因，使用FCNN算法进行第3步的AZB判决.

采用的FCNN的网络结构图如图3所示. 在网络层数及每层的节点数量方面，共设2层隐藏层、1层输入层和1层输出层. 输入层和第1层隐藏层设8个节点，第2层隐藏层设4个节点，输出层设1个节点. 输入层的8个节点为8个影响因子，2层隐藏层均采用ReLU函数作为激活函数，输出层将sigmoid函数作为激活函数，损失函数采用交叉熵损失函数. 网络输出值表示该“二分类”的概率，即通过是否大于0.5来进行判决，梯度下降优化方面采用Adam算法^[18]优化.

经过大量统计发现，若某个TU的预量化系数s大于或等于2，则这个TU极大概率是NAZB.

图4(a)给出AZB在QP = 37的情况下，预量化系数等于0、1和大于1的占比情况；图4 (b)给出NAZB在QP = 37的情况下，预量化系数等于0、1、2和大于2的占比情况. 由于几乎没有预量化系数≥2的AZB，使用预量化系数≥2的个数作为线索来判决AZB毫无意义. 对预量化系数等于0和等于1的个数进行统计，分别用 $ \;{\mu _{\text{0}}} $和 $\; {\mu _{\text{1}}} $表示预量化系数等于0和等于1的个数，对这2个参数进行归一化处理，如下：

(12) $ \left. \begin{gathered} {n_0} = {{{\mu _0}}}\left/ \right.{\varOmega }, \\ {n_1} = {{{\mu _1}}}\left/ \right.{\varOmega }. \\ \end{gathered} \right\} $

式中： $ \varOmega $为TU中实际进行量化的系数个数， $ \varOmega \in \{\text{16}，\text{32}，\text{64}，\text{128}，\text{256}，\text{512}，\text{1 024}\} $；n₀和n₁分别为对 $ \;{\mu _{\text{0}}} $和 $ \;{\mu _{\text{1}}} $进行归一化的结果.

由于VVC新加入了“高频置零”操作，即对采用DCT-II变换且宽或高为64的TU，仅保留左上角宽或高为32的部分，对其他系数进行“置零”操作.

(13) $ \varOmega =\left\{ {\begin{array}{l}\varOmega {'}/2\text{，}W=64且H\ne 64或H\text{=64}且W\ne 64;\\ \varOmega {'}/4\text{，}W=64且H=64;\\ \varOmega {'}\text{，}其他.\end{array} } \right.$

式中：W和H分别为TU的宽和高； $ \varOmega ' $为“高频置零”前的实际TU大小， $ \varOmega ' = W \times H $，即 $\varOmega {'}\in \{\text{16}，\text{32}， \text{64}，\text{128}， \text{256}， \text{512}， \text{1 024, 2 048, 4 096}\}$.

如图5所示分别为M = 64的P-AZB和NAZB在不同QP下对 $ {n_0} $和 $ {n_1} $取均值后的对比情况. 图中， $ {M_{{\text{Pre}}}} $为最终的归一化均值. 从图5可以看出，P-AZB的预量化系数等于0的比例大于NAZB. 相应地，NAZB的预量化系数等于1的比例大于P-AZB，即存在一定的可区分度.

预量化系数等于0或1的数量可以作为区分P-AZB和NAZB的有用特征.

残差块经过变换后，能量会集中在TU的左上角低频区域. 考虑绝对变换系数和：

(14) $ \varPhi = \sum\limits_{i,j \in \left[ {1,2,4,8,16,32,64} \right],ij \geqslant 16} {\left| {c(i,j)} \right|} . $

式中： $ c(i,j) $为变换系数.

对于量化结果是非零的残差块来说，变换后集中在左上角低频区域的能量较大；对于量化结果是全零的残差块来说，变换后集中在左上角低频区域的能量较小.

如图6所示，对各种大小的TU中的系数位置进行标注. 为了更加准确地表示低频区域的能量，对于4×4、2×8、1×16这样较小的TU，取低频区域 $ {P_1}\sim {P_3} $处的3个变换系数和作为该TU的部分能量. 根据M的大小，依次递加变换系数，如M是32的TU取左上角4个变换系数 $ ({P_1}\sim {P_4}) $，M是64的TU取左上角5个变换系数 $ ({P_1}\sim {P_5}) $，以此类推.

不同M的部分能量表示为

(15) $ \varPsi = \sum\limits_{k = 1}^n {\left| {c({P_k})} \right|} . $

式中： $ c({P_k}) $为在 $ {P_k} $位置的变换系数； $ n = {\log _2}M - 1 $. 对 $ \varPsi $进行归一化处理，如下：

(16) $ \beta = {\varPsi }\left/ \right.{\varPhi }. $

通过该方式，可以较准确地得到TU的低频区域能量占比. 通过离线模拟，收集了不同QP下M为64的AZB和NAZB的均值，如图7所示. 图中， $ {M_{{\text{SATD}}}} $为最终的归一化均值. 从图7可以看出，NAZB在低频区域的能量占比 $\; \beta $大于P-AZB. $\; \beta $可以作为区分P-AZB和NAZB的特征.

在上一代的视频编码标准HEVC中，上下文自适应二进制算术编码(context-based adaptive binary arithmetic coding, CABAC)^[19]基于概率转换表，在64种不同的概率状态之间进行转换. 在VVC中，涉及上下文的所有计算都通过公式完成，无须查表运算. 采用多假设概率更新模型^[5]，使用2个与上下文模型相关联的概率，这2个概率分别以不同的自适应速率独立更新. 在更新过程中，某一语法元素在较小可能出现的符号（least probability symbol, LPS）和较大可能出现的符号(most probability symbol, MPS)之间进行切换.

为了推导出LPS和MPS的概率与码率之间的关系，从信息论出发，基于香农信源编码定理，可以得到概率为 $\; \rho ({s_i}) $的符号 $ {s_i} $的自信息量为

(17) $ R({s_i}) = - {\log _2}\;\rho({s_i}) , $

即

(18) $ \rho ({s_i}) = {{{2^{-R({s_i})}}}}. $

对这一组MPS和LPS的概率进行归一化，有

(19) $ \left.\begin{gathered} {\rho _{\rm{M}}} = \dfrac{{1/({2^{{R_{\min }}/32\;768}})}}{{1/({2^{{R_{\min }}/32\;768}})+1/({2^{{R_{\max }}/32\;768}})}}, \\ {\rho _{\rm{L}}} = \dfrac{{1/({2^{{R_{\max }}/32\;768}})}}{{1/({2^{{R_{\min }}/32\;768}})+1/({2^{{R_{\max }}/32\;768}})}}. \\ \end{gathered} \right\} $

式中： $ \;{\rho _{\rm{M}}} $和 $ \;{\rho _{\rm{L}}} $分别为MPS和LPS的概率； $ {R_{\min }} $和 $ {R_{\max }} $分别表示进行编码时，从一组码率表中选取的较小和较大的一个.

在RDOQ中涉及众多的语法元素，只利用部分语法元素来区分P-AZB和NAZB.

当前TU内的某个系数采用LPS符号或者MPS符号进行编码，与周围系数有很大关系. 考虑语法元素量化系数标识（significant coefficient flag, SIG）所对应的概率.

由于低频区域的变换系数经过RDOQ很难量化为0，SIG = 1的情况在低频区域有着非常大的概率作为MPS符号进行编码. 相应地，SIG = 0的情况在低频区域有着非常大的概率作为LPS符号进行编码. 取图6中 $ {P}_{1}、{P}_{2}、{P}_{3} $位置的SIG所对应的概率，开展研究.

如图8所示为M = 64的P-AZB和NAZB在 $ {P}_{1}、{P}_{2}、{P}_{3} $ 3个位置的SIG所对应概率的对比情况. 图中， $ {M_{{\text{SIG}}}} $为最终的归一化均值. 从图8可以看出，P-AZB与NAZB在低频区域中 $ {P}_{1}、{P}_{2}、{P}_{3} $ 3个位置的SIG对应的概率存在一些差异. 将低频区域 $ {P}_{1}、{P}_{2}、{P}_{3} $ 3个位置的语法元素SIG所对应的概率作为3个上下文级特征.

TU中当前系数组（coefficient group, CG）是否为全零CG，与周围CG有关. 考虑语法元素整个CG的编码标识（coded sub-block flag, CSBF）所对应的概率.

类似上文提到的量化系数标识SIG，语法元素CSBF=1的情况在低频区域有很大概率作为MPS符号进行编码. 选取TU左上角第1个CG的语法元素CSBF进行研究.

由于VVC的划分模式会产生很多类型的不规则TU，所选取的CG不都是规则的4×4的CG，如下所示：

(20) $ L=\left\{ {\begin{array}{l}1\times 16,\;M=1\times N,N\geqslant 16;\\[1.5pt] 16\times 1,\;M=N\times 1,N\geqslant 16;\\[1.5pt] 2\times 8,\;M=2\times N,N\geqslant 8;\\[1.5pt] 8\times 2,\;M=N\times 2,N\geqslant 8;\\[1.5pt] 4\times 4,\;其他.\end{array}} \right. $

式中：L为CG的尺寸.

当前TU是否被量化为全零，与周围TU有关，即考虑语法元素整个TU的编码标识（coded block flag, CBF）所对应的概率.

P-AZB和NAZB在不同QP下的CSBF和CBF所对应概率的对比情况与系数级特征、TU级特征和SIG的分布均类似，即AZB与NAZB均存在一定的可区分度. 将语法元素CSBF和语法元素CBF所对应的概率分别作为第4个和第5个上下文级特征.

所选取的8个可用于区分P-AZB与NAZB的特征如表2所示. 表2中数据为这8个特征在QP为22、27、32和37的情况下的平均值. 通过对比P-AZB和NAZB的各个特征数据可以看出，这8个特征可以较好地区分P-AZB与NAZB.

介绍提出的VVC分步AZB判决快速算法在RD性能和编码复杂度方面的表现. 所有实验均是在关闭DQ且打开RDOQ的条件下，在VVC测试平台VTM-10.0上实现的. 仿真是根据联合视频探索小组（joint video exploration team, JVET）通用测试条件（common test conditions，CTC）^[20]来进行的，通过每个阶段对AZB的判决，以此来加速量化进程，减少计算复杂度. QP值设定为 $ \left\{ {22,27,32,37} \right\} $，使用BD-Rate^[21]评估编码性能，BD-Rate为负值表示性能提升. 在计算复杂度方面，使用总编码时间节省 $\vartriangle {T_{{\text{Enc}}}}$来计算，计算如下：

(21) $ \vartriangle {T_{{\text{Enc}}}} = \frac{{{T_{{\text{Anc}}}} - {T_{{\text{Pro}}}}}}{{{T_{{\text{Anc}}}}}} \times 100 {\text{%}} . $

式中： $ {T_{{\text{Pro}}}} $和 $ {T_{{\text{Anc}}}} $分别为提出的快速算法的总编码时间和原始的总编码时间.

如表3、4所示分别为本文提出的分步AZB判决快速算法和将文献[14~16]方法用于VTM10.0的前提下，编码器在LDB(Low Delay B)配置和RA(random access)配置下的实验结果对比情况. 表中，数据包括每个类别中所有视频序列的平均节省时间和编码性能.

在LDB配置下，提出的方案在性能平均损失仅为0.458%的前提下，节省了7.382%的编码时间；将文献[14~16]方法用于VTM10.0的方案，平均分别节省了4.890%、4.260%、4.756%的编码时间，性能平均分别损失了1.810%、1.566%、1.390%. 在RA配置下，本文方案的编码时间平均节省了7.237%，性能仅平均损失0.575%. 将文献[14~16]方法用于VTM10.0的方案在编码时间可以分别减少4.648%、4.498%、4.800%的情况下，性能分别损失了1.852%、1.493%、1.503%. 与将文献[14~16]的部分方法用于VTM10.0的实验结果进行比较. 可以看出，提出的方案在LDB和RA 2个配置下，总编码节省时间和编码性能方面均有较大的优势，在性能损失几乎可以忽略的情况下时间复杂度有了较大的降低， 这对编码器优化有着重要的意义.

在提出的AZB判决快速算法中，对于AZB的检测存在一定的误差，即有可能会将AZB判决为NAZB，或者将NAZB判决为AZB.

AZB检测精度一般使用2个参数进行评估，即FNR(false negative rate)和FPR(false positive rate). 通常，这2个参数定义如下：

(22) $ {\rm{FNR}} = \frac{{{\rm{FN}}}}{{{\rm{TP}}+{\rm{FN}}}}, $

(23) $ {\rm{FPR}} = \frac{{{\rm{FP}}}}{{{\rm{FP}}+{\rm{TN}}}}. $

式中：TP为AZB被检测为AZB的数量，FN为AZB被检测为NAZB的数量，FP为NAZB被检测为AZB的数量，TN为NAZB被检测为NAZB的数量.

如表5、6所示分别为将本文算法和文献[14~16]方法用于VTM10.0在LDB配置和RA配置下的AZB检测精度的对比情况. 表中数据为几种M下的平均检测精度，即AZB被3个步骤中的某一步骤进行判决的精度. 可以看出，与将文献[14~16]方法用在VTM10.0上的结果相比，本文提出的快速算法对FNR和FPR都有着更低的检错率，这说明本文算法在测试平台VTM10.0上对AZB有着更精确的判决.

为了在HEVC中更好地检测较大尺寸16×16和32×32的AZB，对这2种大尺寸TU的低频分量再次进行哈达玛变换，比较变换结果与阈值^[14]. 在HEVC中针对P-AZB统计4种TU的量化系数分布，基于统计的分布结果，给出可以确定低频区域的自适应QP公式^[15]. 在进行P-AZB检测时，尽管基于统计分析得到的自适应QP阈值可以在HEVC中较好地检测部分P-AZB，但是忽略了TU中系数的位置信息^[16].

由于VVC在HEVC使用的四叉树划分结构的基础上，新增了二叉树和三叉树划分结构，文献[14~16]的方法对于非方形的TU来说不再适用. 本文从满足一定条件的变换系数位置入手，通过分析这些变换系数的位置，得到更合理的自适应阈值. 在上下文语法元素级特征方面，从系数级的SIG，到CG级的CSBF，再到整个TU级的CBF，更全面地分析TU，从而达到更高的检测精度.

在第1步的G-AZB判决模型中，对于G-AZB的判决正确率是100%，主要是因为HDQ公式是向下取整，小于1的数都将被向下取整为0，所以基于该理论反向推导的G-AZB阈值具有100%的正确率（即FNR = 0）. 在第2步的P-AZB检测模型中，对于满足 $ 1-f \leqslant \max \left(\left|d_{ij}\right|\right) \cdot {\rm{M F}}= Q_{{\rm{bits}} }<1 $的TU，HDQ不可能将其量化为AZB. 尽管RDOQ可能将等于0、1、2的预量化系数量化为0，但还是有可能存在一些没有被RDOQ量化为0的非零系数，即NAZB. 在这些NAZB中，存在极少部分与AZB有着相似的分布，这导致判决存在一定的误差. 在第3步的基于机器学习的P-AZB判决中，离线训练好的FCNN网络本身存在一定的判决误差，且存在极个别的P-AZB和NAZB可区分度较低，这使得FCNN网络存在判决误差.

总的来说，提出的分步AZB判决算法凭借较低的判决错误率在性能损失可以忽略的情况下，节省了一定的编码时间，降低了编码器复杂度.

本文提出VVC分步AZB判决快速算法，从固定阈值到自适应阈值，再到机器学习，对AZB进行周密的检测. 实验结果表明，在LDB和RA配置下，提出的方案在性能基本不变的情况下分别平均节省了7.382%和7.237%的编码时间. VVC作为最新一代的视频编码标准，压缩效率得到极大的提升，但是存在许多值得改进的地方. 随着机器学习的兴起，可以考虑在视频编码的其他模块中引入机器学习，采取更加智能化的方式来减少计算复杂度.