CN101867821B - 基于稀疏采样和纹理重建的视频编码系统 - Google Patents
基于稀疏采样和纹理重建的视频编码系统 Download PDFInfo
- Publication number
- CN101867821B CN101867821B CN 201010202062 CN201010202062A CN101867821B CN 101867821 B CN101867821 B CN 101867821B CN 201010202062 CN201010202062 CN 201010202062 CN 201010202062 A CN201010202062 A CN 201010202062A CN 101867821 B CN101867821 B CN 101867821B
- Authority
- CN
- China
- Prior art keywords
- module
- submodule
- video
- unit
- links
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
- 238000005070 sampling Methods 0.000 title claims abstract description 14
- 230000000007 visual effect Effects 0.000 claims abstract description 42
- 238000001914 filtration Methods 0.000 claims abstract description 25
- 238000007781 pre-processing Methods 0.000 claims description 30
- 230000035945 sensitivity Effects 0.000 claims description 20
- 230000005540 biological transmission Effects 0.000 claims description 17
- 238000000034 method Methods 0.000 claims description 14
- 238000012805 post-processing Methods 0.000 claims description 13
- 230000002159 abnormal effect Effects 0.000 claims description 8
- 238000005516 engineering process Methods 0.000 abstract description 6
- 238000012545 processing Methods 0.000 abstract description 6
- 230000000694 effects Effects 0.000 abstract description 2
- 238000000605 extraction Methods 0.000 abstract 1
- 230000008878 coupling Effects 0.000 description 6
- 238000010168 coupling process Methods 0.000 description 6
- 238000005859 coupling reaction Methods 0.000 description 6
- 239000011159 matrix material Substances 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 230000000875 corresponding effect Effects 0.000 description 3
- 238000010606 normalization Methods 0.000 description 3
- 238000002203 pretreatment Methods 0.000 description 3
- 230000013011 mating Effects 0.000 description 2
- 101100072002 Arabidopsis thaliana ICME gene Proteins 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000002146 bilateral effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000013332 literature search Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
Images
Landscapes
- Compression Or Coding Systems Of Tv Signals (AREA)
Abstract
一种图像处理技术领域的基于稀疏采样和纹理重建的视频编码系统，包括：输入模块、帧选择模块、第一前处理模块、编解码模块、第二前处理模块、后处理模块和排序输出模块，其中：所述的帧选择模块包括：帧抽取单元和堆叠单元；所述的前处理模块包括：视觉关注度子模块和非线性滤波子模块；所述的后处理模块，包括：建立索引子模块、搜索子模块和重建子模块。本发明大大提高了编码效率，在H.264编码标准上最高得到20％的编码增益；具有较强的适应性；具有较好的时空一致性，重建的质量也较好，在不降低视频的主观效果的情况下可以提高编码效率。
Description
技术领域
本发明涉及的是一种图像处理技术领域的系统，具体是一种基于稀疏采样和纹理重建的视频编码系统。
背景技术
视频编码技术对于视频的存储和传输等应用至关重要。新一代视频编码国际标准H.264，仍然在使用分块运动补偿+DCT+量化+熵编码的经典模式，其获得的相比H.263的50％增益大多来自于细节的加强，而且相关技术的发展达到了一个瓶颈期。为了进一步提高视频编码的效率，引入了一些信号处理领域外的技术，其中一种方案则是人为简化原始的需要压缩的视频，然后通过计算机视觉与图形学的一些方法对不完整的数据进行修复。
经过对现有技术的文献检索发现，P.Ndjiki-Nya，T.Hinz，与T.Wiegand在2007年的《IEEE International Conference on Multimedia and Expo》(IEEE国际多媒体会议，ICME2007)会议上发表的“Generic and robust video coding with texture analysis andsynthesis(通用的鲁棒的使用纹理分析合成的视频编码)”一文中提出了在视频编码的编码端通过分析将内容分类，这些区域作为P帧(预测帧)时，在编码时将被直接跳过，即相应的宏块模式设置为“Skip”(跳过模式)，同时传输一个小的多的样本块在解码端利用纹理合成去恢复丢失的信息。而C.B.Zhu，X.Y.Sun，F.Wu，与H.Q.Li在ICME 2008会议上发表的“Video coding with spatio-temporal texture synthesis and edge-based inpainting(基于时空纹理合成和结构修复的视频编码)”也提出了相似的方案，但是在解码端根据视频原有的信息，利用图像修复的方法去合成丢失的图像内容。但是这两种技术都需要对输入的一般自然视频进行分析，以决定哪些内容可以不进行编码，但是在现有条件下还没有非常成熟的技术可以实现相关的功能。此外，由于重建方法具有一定的随机性，使得在解码端无法保证重建视频在时间上的一致性。
发明内容
本发明的目的在于克服现有技术的上述不足，提供一种基于稀疏采样和纹理重建的视频编码系统。本发明通过在编码端对输入的原始视频中一部分帧进行滤波前处理，使得原始信号得以简化；然后在解码端对经过预处理的帧进行重建处理，利用正常编码帧中的内容去恢复因为滤波而丢失的细节信息，从而保证重建视频的高质量，提高了编码效率。
本发明是通过以下技术方案实现的：
本发明包括：输入模块、帧选择模块、第一前处理模块、编解码模块、第二前处理模块、后处理模块和排序输出模块，其中：输入模块与帧选择模块相连传输待传输的视频帧，帧选择模块和第一前处理模块相连传输选择的视频帧数据，帧选择模块与编解码模块相连传输正常帧数据，第一前处理模块与编解码模块相连传输处理后的视频帧数据，编解码模块与第二前处理模块相连传输编解码后的视频帧数据，编解码模块与排序输出模块相连传输正常的编解码后的视频帧序列，第二前处理模块与后处理模块相连传输滤波的正常帧数据，后处理模块与排序输出模块相连传输重建的视频帧序列。
所述的帧选择模块包括：帧抽取单元和堆叠单元，其中：帧抽取单元与输入模块相连传输待处理的视频帧，帧抽取单元与堆叠单元相连传输正常的数据帧和不正常的数据帧，堆叠单元与第一前处理模块相连传输堆叠的不正常的视频帧数据，堆叠单元与编解码模块相连传输堆叠的正常的视频帧数据。
所述的前处理模块包括：视觉关注度子模块和非线性滤波子模块，其中：视觉关注度子模块与非线性滤波子模块相连传输视觉焦点信息、像素敏感度信息和视觉模式信息，非线性滤波子模块与编解码模块相连传输滤波后的视频帧信息。
所述的视觉关注度子模块包括：视觉焦点单元、像素敏感度单元和视觉模式单元，其中：视觉焦点单元、像素敏感度单元和视觉模式单元分别与非线性滤波子模块相连传输视觉焦点信息、像素敏感度信息和视觉模式信息。
所述的视觉模式单元是差分高斯滤波器。
所述的视觉焦点单元是通过自下向上的显著度估计实现的。
所述的像素敏感度单元是通过基于像素域的恰可察觉失真模型实现的。
所述的非线性滤波子模块包括：权值单元和内积单元，其中：权值单元与视觉关注度子模块相连传输视觉焦点信息、像素敏感度信息和视觉模式信息，权值单元与内积单元相连传输当前像素使用的滤波器模板，内积单元输出滤波后的像素值。
所述的后处理模块，包括：建立索引子模块、搜索子模块和重建子模块，其中：建立索引子模块与搜索子模块相连传输搜索过程中的参考信息和目标信息，搜索子模块与重建子模块连接传输搜索的结果，重建子模块与排序输出模块相连传输解码得到的视频序列。
与现有技术相比，本发明的有益效果是：大大提高了编码效率，在H.264编码标准上最高得到20％的编码增益；不需要使用分割、纹理分析这些不成熟的技术，不需要对输入的视频内容有任何的假设，具有较强的适应性；在重建时绑定时间与空间信息，具有较好的时空一致性，重建的质量也较好，在不降低视频的主观效果的情况下可以提高编码效率。
附图说明
图1是本发明的系统组成连接示意图。
具体实施方式
下面结合附图对本发明的实施例作详细说明：本实施例在以本发明技术方案为前提下进行实施，给出了详细的实施方式和过程，但本发明的保护范围不限于下述的实施例。
实施例
如图1所示，本实施例包括：输入模块、帧选择模块、第一前处理模块、编解码模块、第二前处理模块、后处理模块和排序输出模块，其中：输入模块与帧选择模块相连传输待传输的视频帧，帧选择模块和第一前处理模块相连传输选择的视频帧数据，帧选择模块与编解码模块相连传输正常帧数据，第一前处理模块与编解码模块相连传输处理后的视频帧数据，编解码模块与第二前处理模块相连传输编解码后的视频帧数据，编解码模块与排序输出模块相连传输正常的编解码后的视频帧序列，第二前处理模块与后处理模块相连传输滤波的正常帧数据，后处理模块与排序输出模块相连传输重建的视频帧序列。
所述的帧选择模块包括：帧抽取单元和堆叠单元，其中：帧抽取单元与输入模块相连传输待处理的视频帧，帧抽取单元与堆叠单元相连传输正常的数据帧和不正常的数据帧，堆叠单元与第一前处理模块相连传输堆叠的不正常的视频帧数据，堆叠单元与编解码模块相连传输堆叠的正常的视频帧数据。
所述的第一前处理模块包括：第一视觉关注度子模块和第一非线性滤波子模块，其中：第一视觉关注度子模块与帧选择模块相连传输不正常的视频帧数据，第一视觉关注度子模块与第一非线性滤波子模块相连传输视觉焦点信息、像素敏感度信息和视觉模式信息，第一非线性滤波子模块与编解码模块相连传输滤波后的视频帧信息。
所述的第一视觉关注度子模块包括：第一视觉焦点单元、第一像素敏感度单元和第一视觉模式单元，其中：第一视觉焦点单元、第一像素敏感度单元和第一视觉模式单元分别与帧选择模块相连传输不正常的视频帧数据，第一视觉焦点单元、第一像素敏感度单元和第一视觉模式单元分别与第一非线性滤波子模块相连传输视觉焦点信息、像素敏感度信息和视觉模式信息。
所述的第一视觉模式单元是差分高斯滤波器，本实施例中差分高斯滤波器的窗宽为11，两个方差之间的差值为0.5。
所述的第一视觉焦点单元是通过自下向上的显著度估计实现的。
所述的第一像素敏感度单元是通过基于像素域的恰可察觉失真模型实现的。
所述的第一非线性滤波子模块包括：第一权值单元和第一内积单元，其中：第一权值单元与第一视觉关注度子模块相连传输视觉焦点信息、像素敏感度信息和视觉模式信息，第一权值单元与第一内积单元相连传输当前像素使用的滤波器模板，第一内积单元与编解码模块相连传输滤波后的像素值。
所述的第一权值单元将第一视觉关注度子模块输出的三种信息归一化，计算双边率波器的滤波模板，并传输给第一内积单元计算滤波后的像素值。
所述的编解码模块是现有的的H.264标准编码器，包括：编码子模块和解码子模块，其中：编码子模块与第一内积单元相连传输经过预处理的视频帧，编码子模块与解码子模块相连传输视频码流，解码子模块与排序输出模块相连传输不需要重建的视频帧，解码子模块与第二前处理模块相连传输需要重建的视频帧。
所述的解码子模块得到含两种类型帧{Yn1}与{Xn2}的视频序列，其中：{Yn1}是进行标准编解码的帧，不需要进行其他处理，而{Xn2}经过滤波丢失了细节，需要进行重建。
所述的第二前处理模块对{Yn1}进行滤波，并保存其结果，作为需要重建视频{Xn2}的搜索样本{Xn1}，第二前处理模块与第一前处理模块相同。
所述的后处理模块，包括：建立索引子模块、搜索子模块和重建子模块，其中：建立索引子模块与第二前处理模块相连传输滤波的正常视频帧数据，建立索引子模块与搜索子模块相连传输搜索过程中的参考信息和目标信息，搜索子模块与重建子模块连接传输搜索的结果，重建子模块与排序输出模块相连传输解码得到的视频序列。
所述的建立索引子模块进行搜索前的准备工作，加载必要的信息，对接收到的{Xn2}中每一个像素，记录以该点为中心的一定小为5×5×5的视频序列样本块的信息(包括像素值、x与y方向上的运动差分)，以向量方式保存到内存中；对{Xn1}做相同的处理，将结果以向量方式保存到内存中，然后将这两组向量值堆叠成矩阵Point_List与Sample_List。
所述的搜索子模块用于为需要重建的像素寻找合适的匹配样本，具体为：对Point_List中每一行向量，在矩阵Sample_List中寻找一个最为匹配的样本(一个行向量)。匹配的依据是行元素之间的欧氏距离，考虑的因素有图像的R、G、B三色，以及其在水平与垂直方向上的运动矢量，即组成一个五维的矢量：(R，G，B，ux，uy)，以二范数作为衡量标准。
所述的重建子模块综合搜索到的样本信息，对最终的重建值进行预测，具体为：对需要重建的视频帧中每一个像素，有若干视频样本包含点，在经过了搜索操作后，具有一个与之匹配的样本。然后根据匹配的样本位置在未经与处理的视频帧中找到对应的像素值，这将作为点处估计值的一个可能的取值。对于一个像素，会有许多的估计值(其数目由选择的视频样本大小所决定)，通过加权平均的方法来综合利用这一系列的信息，即每个可能取值乘以匹配时计算得到的相似度度量值，相加取均值。
所述的排序输出模块将经过重建与未经重建的视频帧重新排序，输出最终解码获得的视频序列。
本实施例中前处理模块的具体工作过程如下：
1)对当前帧提取视觉信息，其中，视觉模式单元使用高斯差分滤波器，对其结果归一化，得到0～1之间的一个数字；视觉焦点单元使用Xiaodi H.在2007年提出的方法，得到一个0～1之间的一个数字；像素敏感度单元使用Chou在1995年提出的方法，对其结果归一化，得到0～1之间的一个数字；
2)对这三个权值取二范数，得到一个数值。对图像中每一个像素都会得到一个这样的数值，用以修正双边滤波器中的方差值；
3)将滤波器模板与图像做内积，得到滤波后的像素值。
本实施例中后处理模块的具体工作过程如下：
1)对接收到的{Xn2}中每一个像素，记录以该点为中心的一定小为5×5×5的视频序列样本块的信息(包括像素值、x与y方向上的运动差分)，以向量方式保存到内存中；对{Xn1}做相同的处理，将结果以向量方式保存到内存中，然后将这两组向量值堆叠成矩阵Point_List与Sample_List；
2)对Point_List中每一行向量，在矩阵Sample_List中寻找一个最为匹配的样本(一个行向量)。匹配的依据是行元素之间的欧氏距离，考虑的因素有图像的R、G、B三色，以及其在水平与垂直方向上的运动矢量，即组成一个五维的矢量：(R，G，B，ux，uy)，以二范数作为衡量标准；
3)对需要重建的视频帧中的每一个像素，即每一个5×5×5大小的覆盖该像素的视频样本，根据匹配的样本位置在未经前处理的视频帧中找到对应的像素值，这将作为该点处估计值的一个可能的取值，通过加权平均的方法来综合利用这些信息，即每个可能取值乘以匹配时得到的相似度度量值，相加取均值。对每个像素完成该操作后即可完成一帧视频的重建。
本实施例中待处理视频传输序列来源于bridge_far_qcif.yuv(176x144的移动4∶2∶0格式的YUV文件)，总共取90帧，其中抽取偶数帧进行前处理，然后重新排列，即将奇数帧组成1～45帧，偶数帧组成46～90帧。使用H.264标准编码器JM12.2进行编解码，并获取解码得到的yuv文件。
本实施例中关键参数的设置为：
熵编码采用CABAC(基于上下文的熵编码)；序列类型为IBBPBBPBB；(I表示帧内预测帧、B表示双向预测帧、P表示单向预测帧)，I、P、B帧的QP大小相同，分别测试了QP(量化参数)为16、20、24、28的情况；GOP(帧组)大小设置为9(可以整除45)；无码率控制。
当分别采用本实施例系统与H.264标准编码器时，提取其中的25fps帧率的结果：
当QP＝16时，本实施例系统得到的码率为743kbps，H.264标准编码器得到的码率为577kbps，即本实施例系统获得了22.3％的编码增益；当QP＝20时，本实施例系统得到的码率为263kbps，H.264标准编码器得到的码率为216kbps，即本实施例系统获得了17.9％的编码增益；当QP＝24时，本实施例系统得到的码率为71kbps，H.264标准编码器得到的码率为54kbps，即本实施例系统获得了23.9％的编码增益；当QP＝28时，本实施例系统得到的码率为35kbps，H.264标准编码器得到的码率为30kbps，即本实施例系统获得了14.3％的编码增益。
采用本实施例系统得到的视频序列和在相同的配置下使用H.264标准编码器得到的视频序列的结构相似度为：
当QP＝16时，结构相似度值为0.9395；当QP＝20时，结构相似度值为0.9482；
当QP＝24时，结构相似度值为0.9909；当QP＝28时，结构相似度值为0.9684；
因此，本实施例系统重建出来的视频序列与H.264标准编码器得到的视频序列在质量上是完全可以匹配的。
Claims (9)
1.一种基于稀疏采样和纹理重建的视频编码系统，其特征在于，包括：输入模块、帧选择模块、第一前处理模块、编解码模块、第二前处理模块、后处理模块和排序输出模块，其中：输入模块与帧选择模块相连传输待传输的视频帧，帧选择模块和第一前处理模块相连传输选择的视频帧数据，帧选择模块与编解码模块相连传输正常帧数据，第一前处理模块与编解码模块相连传输处理后的视频帧数据，编解码模块与第二前处理模块相连传输编解码后的视频帧数据，编解码模块与排序输出模块相连传输正常的编解码后的视频帧序列，第二前处理模块与后处理模块相连传输滤波的正常帧数据，后处理模块与排序输出模块相连传输重建的视频帧序列；
所述的前处理模块包括：视觉关注度子模块和非线性滤波子模块，其中：视觉关注度子模块与非线性滤波子模块相连传输视觉焦点信息、像素敏感度信息和视觉模式信息，非线性滤波子模块与编解码模块相连传输滤波后的视频帧信息。
2.根据权利要求1所述的基于稀疏采样和纹理重建的视频编码系统，其特征是，所述的帧选择模块包括：帧抽取单元和堆叠单元，其中：帧抽取单元与输入模块相连传输待处理的视频帧，帧抽取单元与堆叠单元相连传输正常的数据帧和不正常的数据帧，堆叠单元与第一前处理模块相连传输堆叠的不正常的视频帧数据，堆叠单元与编解码模块相连传输堆叠的正常的视频帧数据。
3.根据权利要求1所述的基于稀疏采样和纹理重建的视频编码系统，其特征是，所述的视觉关注度子模块包括：视觉焦点单元、像素敏感度单元和视觉模式单元，其中：视觉焦点单元、像素敏感度单元和视觉模式单元分别与非线性滤波子模块相连传输视觉焦点信息、像素敏感度信息和视觉模式信息。
4.根据权利要求3所述的基于稀疏采样和纹理重建的视频编码系统，其特征是，所述的视觉模式单元是差分高斯滤波器。
5.根据权利要求3所述的基于稀疏采样和纹理重建的视频编码系统，其特征是，所述的视觉焦点单元是通过自下向上的显著度估计实现的。
6.根据权利要求3所述的基于稀疏采样和纹理重建的视频编码系统，其特征是，所述的像素敏感度单元是通过基于像素域的恰可察觉失真模型实现的。
7.根据权利要求1所述的基于稀疏采样和纹理重建的视频编码系统，其特征是，所述的非线性滤波子模块包括：权值单元和内积单元，其中：权值单元与视觉关注度子模块相连传输视觉焦点信息、像素敏感度信息和视觉模式信息，权值单元与内积单元相连传输当前像素使用的滤波器模板，内积单元输出滤波后的像素值。
8.根据权利要求1所述的基于稀疏采样和纹理重建的视频编码系统，其特征是，所述的后处理模块，包括：建立索引子模块、搜索子模块和重建子模块，其中：建立索引子模块与搜索子模块相连传输搜索过程中的参考信息和目标信息，搜索子模块与重建子模块连接传输搜索的结果，重建子模块与排序输出模块相连传输解码得到的视频序列。
9.根据权利要求1所述的基于稀疏采样和纹理重建的视频编码系统，其特征是，所述的编解码模块是H.264标准编码器。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN 201010202062 CN101867821B (zh) | 2010-06-18 | 2010-06-18 | 基于稀疏采样和纹理重建的视频编码系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN 201010202062 CN101867821B (zh) | 2010-06-18 | 2010-06-18 | 基于稀疏采样和纹理重建的视频编码系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN101867821A CN101867821A (zh) | 2010-10-20 |
| CN101867821B true CN101867821B (zh) | 2011-11-16 |
Family
ID=42959343
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN 201010202062 Expired - Fee Related CN101867821B (zh) | 2010-06-18 | 2010-06-18 | 基于稀疏采样和纹理重建的视频编码系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN101867821B (zh) |
Families Citing this family (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102024266B (zh) * | 2010-11-04 | 2012-07-25 | 西安电子科技大学 | 基于图像结构模型的压缩感知图像重构方法 |
| TW201314630A (zh) * | 2011-09-19 | 2013-04-01 | Tritan Technology Inc | 一種可動態決定像素量化臨界值的影像均化編碼與解碼方法 |
| CN103024371B (zh) * | 2011-09-27 | 2015-09-02 | 硕呈科技股份有限公司 | 可动态决定像素量化临界值的影像均化编码与解码方法 |
| US9332259B2 (en) * | 2012-01-18 | 2016-05-03 | Qualcomm Incorporated | Indication of use of wavefront parallel processing in video coding |
| CN103404146B (zh) * | 2013-03-11 | 2016-10-12 | 华为技术有限公司 | 视频文件修复方法及装置 |
| CN105812802A (zh) * | 2014-12-29 | 2016-07-27 | 国家电网公司 | 一种基于稀疏编解码的电力大数据的压缩传输方法 |
| GB2536734B (en) * | 2015-04-17 | 2017-08-02 | Imagination Tech Ltd | Image synthesis |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1254114C (zh) * | 2003-01-16 | 2006-04-26 | 精工爱普生株式会社 | 用于恢复代表图像的数字信号中的丢失数据的方法和装置 |
| US8326580B2 (en) * | 2008-01-29 | 2012-12-04 | Qualcomm Incorporated | Sparse sampling of signal innovations |
| CN101571950B (zh) * | 2009-03-25 | 2011-10-12 | 湖南大学 | 基于各向同性扩散和稀疏表示的图像修复方法 |
| CN101742313B (zh) * | 2009-12-10 | 2011-09-07 | 北京邮电大学 | 基于压缩感知技术的分布式信源编码的方法 |
-
2010
- 2010-06-18 CN CN 201010202062 patent/CN101867821B/zh not_active Expired - Fee Related
Also Published As
| Publication number | Publication date |
|---|---|
| CN101867821A (zh) | 2010-10-20 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN101867821B (zh) | 基于稀疏采样和纹理重建的视频编码系统 | |
| Xu et al. | Non-local convlstm for video compression artifact reduction | |
| KR101838320B1 (ko) | 예시-기반 데이터 프루닝을 이용한 비디오 디코딩 | |
| Gao et al. | Recent standard development activities on video coding for machines | |
| US20130163676A1 (en) | Methods and apparatus for decoding video signals using motion compensated example-based super-resolution for video compression | |
| Liu et al. | Three-dimensional point-cloud plus patches: Towards model-based image coding in the cloud | |
| Shen et al. | Ultra fast H. 264/AVC to HEVC transcoder | |
| CN113822147B (zh) | 一种协同机器语义任务的深度压缩方法 | |
| Xiao et al. | The interpretable fast multi-scale deep decoder for the standard HEVC bitstreams | |
| CN114793282A (zh) | 带有比特分配的基于神经网络的视频压缩 | |
| Fu et al. | Texture segmentation based video compression using convolutional neural networks | |
| CN116437102B (zh) | 可学习通用视频编码方法、系统、设备及存储介质 | |
| WO2024020053A1 (en) | Neural network-based adaptive image and video compression method | |
| CN101389032A (zh) | 一种基于图像插值的帧内预测编码方法 | |
| WO2023203509A1 (en) | Image data compression method and device using segmentation and classification | |
| Yao et al. | Detection and localization of video transcoding from AVC to HEVC based on deep representations of decoded frames and PU maps | |
| Xiao et al. | Global coding of multi-source surveillance video data | |
| CN106791864A (zh) | 一种基于hevc标准下提高视频转码速率的实现方法 | |
| Chen et al. | Residual based hierarchical feature compression for multi-task machine vision | |
| WO2024114817A1 (en) | A task-oriented video semantic coding system | |
| WO2022183346A1 (zh) | 特征数据的编码方法、解码方法、设备及存储介质 | |
| Sheng et al. | LVVC: A Learned Versatile Video Coding Framework for Efficient Human-Machine Vision | |
| Danier et al. | Enhancing VVC with Deep Learning based Multi-Frame Post-Processing | |
| Hou et al. | Low-Latency Neural Stereo Streaming | |
| Wei et al. | Video Multi-Scale-Based End-to-End Rate Control in Deep Contextual Video Compression |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C14 | Grant of patent or utility model | ||
| GR01 | Patent grant | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20111116 |