CN108833915A - 一种自适应跳帧的智能编码方法 - Google Patents
一种自适应跳帧的智能编码方法 Download PDFInfo
- Publication number
- CN108833915A CN108833915A CN201810642018.XA CN201810642018A CN108833915A CN 108833915 A CN108833915 A CN 108833915A CN 201810642018 A CN201810642018 A CN 201810642018A CN 108833915 A CN108833915 A CN 108833915A
- Authority
- CN
- China
- Prior art keywords
- frame
- coding
- video
- skipping
- area
- 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.)
- Pending
Links
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
- H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
- H04N19/102—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or selection affected or controlled by the adaptive coding
- H04N19/119—Adaptive subdivision aspects, e.g. subdivision of a picture into rectangular or non-rectangular coding blocks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/41—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items
- G06V20/42—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items of sport video content
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
- H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
- H04N19/134—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or criterion affecting or controlling the adaptive coding
- H04N19/157—Assigned coding mode, i.e. the coding mode being predefined or preselected to be further used for selection of another element or parameter
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
- H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
- H04N19/134—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or criterion affecting or controlling the adaptive coding
- H04N19/167—Position within a video image, e.g. region of interest [ROI]
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
- H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
- H04N19/169—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding
- H04N19/17—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding the unit being an image region, e.g. an object
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Compression Or Coding Systems Of Tv Signals (AREA)
Abstract
本发明公开了一种一种自适应跳帧的智能编码方法，包括以下步骤：S1:对待编码视频序列进行视频智能分析，对图像中指定目标检测以及定位，对视频序列进行区域划分，将含有指定目标的区域视为感兴趣区域或者判断区域是否含有指定目标进行标识，将标识和待编码视频序列存为智能分析结果；S2:读入智能分析结果，对划分区域依次判断是否属于感兴趣区域，若是，配置区域常规编码参数，进行非跳帧正常视频编码，若不是，配置区域跳帧编码参数，并进行跳帧视频编码处理。本发明将视频观看者或使用者对获取信息的需求与视频编码结合，实现针对感兴趣区域正常编码，非感兴趣区域跳帧编码；在保证视频画面质量的条件下，降低传输视频占用带宽。
Description
技术领域
本发明涉及一种智能编码方法，具体涉及一种自适应跳帧的智能编码方法，属于视频编码技术领域。
背景技术
随着互联网以及视频编码技术的进步，网络视频正在向超清、超高清的方向发展。在人们享受着高清晰度视频的同时，也面临着更高的传输占用带宽，更大的存储空间需求等问题。如何在保证视频画面质量的情况下，适当降低传输带宽是视频编码领域研究的热点。
在H.264/AVC以及H.265/HEVC视频编码标准中，人们已经开发出大量码率控制技术，并在实际应用中取得了较好的效果。这些码率控制技术大部分通过调整编码帧或者编码块的量化参数QP，实现可控的码率分配以适应不同的带宽。但单纯的通过调制QP并不总能适应各种带宽需求，并且会忽略大量可用的视频信息。
视频智能分析技术是一种结合图像算法和视频算法的前沿技术。通过对视频的智能分析，可以得到视频画面中的前背景、运动目标、行人、汽车等关键信息。对于视频观看者或视频使用者而言，并不是所有的视频信息都是等价值的。普遍来说，视频的背景对观看者而言所含信息较少，可以在编码时分配较少带宽；视频中感兴趣目标，如运动物体、行人、汽车等所含信息较多，可以在编码时分配较多带宽。所以，可以将视频智能分析技术和视频编码技术结合，实现视频的智能编码，并达到降低视频传输带宽的目的。
发明内容
针对现有技术的不足，本发明提供一种自适应跳帧的智能编码方法,实现视频智能分析和视频编码的结合，并降低视频传输带宽。
为了解决上述技术问题，本发明提供一种自适应跳帧的智能编码方法，包括以下步骤：
S1:对待编码视频序列进行视频智能分析，对图像中指定目标检测以及定位，对视频序列进行区域划分，将含有指定目标的区域视为感兴趣区域或者判断区域是否含有指定目标进行标识，将标识和待编码视频序列存为智能分析结果；
S2:读入智能分析结果，对划分区域依次判断是否属于感兴趣区域，若是，配置区域常规编码参数，进行非跳帧正常视频编码，若不是，配置区域跳帧编码参数，并进行跳帧视频编码处理。
作为一种优选方法，所述待编码视频序列包含I帧、P帧和B帧三种类型帧，其中，I帧为帧内预测编码帧，不需要参考帧独立进行编码，P帧和B帧为帧间预测参考帧，需要参考已编码帧。
作为一种优选方法，所述指定目标为人们对当前视频中感兴趣的目标。
作为一种优选方法，所述人们对当前视频中感兴趣的目标为行人或车辆或道路。
作为一种优选方法，所述S1步骤判断感兴趣区域是否含有指定目标进行标记还包括以下步骤：
a)运用图像处理算法获取指定目标,利用高斯混合模型GMM检测出图像前景得到图像中运动目标，利用传统图像处理算法和机器学习算法结合，检测出图像中行人、车辆、道路任意感兴趣的目标；
b)对图像进行区域划分，对步骤a中得到的指定目标位置进行标记；若划分区域中包含指定目标位置，则将此区域当作感兴趣区域，若划分区域中不包含指定目标位置，则将此区域作为非感兴趣区域；
作为一种优选方法，所述S2步骤具体步骤还包括：
a)读入智能分析结果，即感兴趣区域与非感兴趣区域位置信息；
b)针对区域的不同类型进行编码参数配置,对于感兴趣区域进行正常编码，对于不含有指定目标的非感兴趣区域，将编码块设置为Skip类型，从而实现区域Skip编码或者整帧Skip编码；在配置参数时，I帧不进行参数配置，即I帧不管有无指定目标都按照正常编码，从而保证图像质量不会受到影响；
c)利用步骤b得到的配置参数进行完整视频编码。
作为一种优选方法，所述S2步骤的跳帧编码是将当前编码块的编码模式设置为Skip模式，Skip模式编码块不传输编码像素残差，也不传输运动矢量残差，只传输采用Skip模式编码的标志；对端的解码器通过预测的运动矢量得到运动矢量，并得到该编码块像素值。
本发明与现有技术相比有益效果：本发明将视频观看者或使用者对获取信息的需求与视频编码结合，实现针对感兴趣区域正常编码，非感兴趣区域跳帧编码；在保证视频画面质量的条件下，降低传输视频占用带宽。
附图说明
图1是本发明方法流程图。
图2是本发明指定目标为运动物体实施例图。
图3是本发明图像区域划分方法图。
图4是本发明指定目标为运动物体结果输出图。
具体实施方式
下面对本发明的实施例作进一步的说明。以下实施例仅对本申请进行进一步说明，不应理解为对本申请的限制。
如图1所示，本发明提供一种自适应跳帧的智能编码方法，包括以下步骤：
S1:对待编码视频序列进行视频智能分析，对图像中指定目标检测以及定位，对视频序列进行区域划分，将含有指定目标的区域视为感兴趣区域或者判断区域是否含有指定目标进行标识，将标识和待编码视频序列存为智能分析结果；
S2:读入智能分析结果，判断是否属于感兴趣区域，若是，配置区域常规编码参数，进行非跳帧正常视频编码，若不是，配置区域跳帧编码参数，并进行跳帧编码处理。
如图2所示，本发明给出一个指定目标为运动物体的实施例，具体包括以下步骤：
1、对视频进行智能分析，实现指定目标检测及定位。视频智能分析主要运用图像处理算法，对视频序列中图像进行特征处理。相关处理算法多种多样，包括采用混合高斯模型GMM实现前景检测，运用HOG特征和支持向量机SVM实现行人检测，以及使用卷积神经网络CNN的物体检测等。本实例中采用GMM方法进行视频中运动目标的检测并定位，具体步骤如下：
101)对于给定视频序列，在编码前将图像送入智能分析模块执行视频智能分析；
102)图像缩放，为了降低图像处理复杂度，提高前景检测速度，实例中将待编码原图缩放至352x288大小；
103)图像灰度化，创建混合高斯模型GMM背景建模任务，设置合适的混合高斯模型GMM参数；将视频序列图像作为混合高斯模型GMM输入，得到前景图像以及背景图像；
104)对混合高斯模型GMM输出的前景图像进行先膨胀后腐蚀操作；
105)对膨胀腐蚀后图像进行联通区域标记，并对联通区域进行筛选，包括联通区域大小、宽高比的筛选，并对重叠的联通区域进行融合，处理得到运动目标矩形框；
106)对图像进行区域划分，若划分区域与步骤d所得运动目标矩形框相交，则将此区域标志Flag设为1，否则设为0；将标记结果传送给编码器。如图3所示，一种图像区域划分方法，这里将图像中的八个区域按从上至下从左至右的顺序暂标记为1-8，则区域2、5、6内含有运动目标，其Flag被标记为1，其他区域Flag标记为0.
2、读入智能分析结果，进行区域编码参数配置以及视频编码。下面就实施步骤描述如下：
201)步骤1得到的各个区域的Flag表示了该区域是否含有运动目标，编码器读入智能分析结果；
202)为保证与智能分析中图像划分区域正确对应，编码器也对图像进行与步骤1中步骤106同样的区域划分操作；
203)根据步骤201中读入的智能分析结果，对Flag等于1的感兴趣区域进行常规编码设置，对Flag等于0的非感兴趣区域进行跳帧编码设置。如果划分区域的Flag均为0，则当前帧进行跳帧编码。在配置参数时，I帧不进行参数配置，即I帧不管有无运动目标都按照正常编码，从而保证图像质量不会受到影响。
204)进行视频编码。利用步骤203得到的配置参数进行完整视频编码，如图4所示，根据智能分析的运动目标结果进行智能编码的结果，编码标准为H.264/AVC。用Elecard工具查看码流文件，可以看到含有运动目标的感兴趣区域2、5、6均进行常规编码，宏块类型包括了I宏块、P宏块以及Skip宏块；而不含运动目标的非感兴趣区域均进行跳帧编码，该区域宏块类型均为Skip_P宏块，占用很低的码流大小。
需要特别指出，视频编码中帧类型有I帧、P帧、B帧，其中I帧为帧内预测编码帧，可以独立完成编码和解码；P帧和B帧为帧间预测编码帧，需要有其他已编码帧作为参考帧进行编码和解码。I帧在视频编码序列中占据重要地位，其编码效果影响后续P帧B帧的编码效果，编码中必须要保证I帧的图像质量。因此，本发明智能编码方法不改变I帧的编码过程，只会作用于帧间编码帧。
Skip编码模式是指当前编码块在编码中不传输运动矢量残差，只传输少量的标识信息指明当前编码块的编码模式为Skip模型。如H.264/AVC标准中，一般P宏块在编码过程中的像素预测残差和运动矢量残差都会写入到码流中，但P-Skip宏块既不传输像素预测残差也不传输运动矢量残差，只传输标识当前宏块为P-Skip宏块的少量信息。解码端通过运动矢量预测值得到改P-Skip宏块的运动矢量，从而在参考帧中得到当前P-Skip宏块的像素值。本发明中的跳帧编码即当前编码区域或当前编码帧采用Skip编码模式。
以上仅是本发明的优选实施方式，本发明的保护范围并不限于上述实施例，凡属于本发明思路下的技术方案均属于本发明保护范围。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理前提下的若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。
Claims (7)
1.一种自适应跳帧的智能编码方法，其特征在于，包括以下步骤：
S1:对待编码视频序列进行视频智能分析，对图像中指定目标检测以及定位，对视频序列进行区域划分，将含有指定目标的区域视为感兴趣区域或者判断区域是否含有指定目标进行标识，将标识和待编码视频序列存为智能分析结果；
S2:读入智能分析结果，对划分区域依次判断是否属于感兴趣区域，若是，配置区域常规编码参数，进行非跳帧正常视频编码，若不是，配置区域跳帧编码参数，并进行跳帧视频编码处理。
2.如权利要求1所述的自适应跳帧的智能编码方法，其特征在于，所述待编码视频序列包含I帧、P帧和B帧三种类型帧，其中，I帧为帧内预测编码帧，不需要参考帧独立进行编码，P帧和B帧为帧间预测参考帧，需要参考已编码帧。
3.如权利要求1所述的自适应跳帧的智能编码方法，其特征在于，所述指定目标为人们对当前视频中感兴趣的目标。
4.如权利要求3所述的自适应跳帧的智能编码方法，其特征在于，所述人们对当前视频中感兴趣的目标为行人或车辆或道路。
5.如权利要求1所述的自适应跳帧的智能编码方法，其特征在于，所述S1步骤判断感兴趣区域是否含有指定目标进行标记还包括以下步骤：
a)运用图像处理算法获取指定目标,包括但不限于利用高斯混合模型GMM检测出图像前景得到图像中运动目标，利用传统图像处理算法和机器学习算法结合，检测出图像中行人、车辆、道路任意感兴趣的目标；
b)对图像进行区域划分，对步骤a中得到的指定目标位置进行标记；若划分区域中包含指定目标位置，则将此区域当作感兴趣区域，若划分区域中不包含指定目标位置，则将此区域作为非感兴趣区域。
6.如权利要求1所述的自适应跳帧的智能编码方法，其特征在于，所述S2步骤具体还包括：
a)读入智能分析结果，即感兴趣区域与非感兴趣区域位置信息；
b)针对区域的不同类型进行编码参数配置,对于感兴趣区域进行正常编码，对于不含有指定目标的非感兴趣区域，将编码块设置为Skip类型，从而实现区域Skip编码或者整帧Skip编码；在配置参数时，I帧不进行参数配置，即I帧不管有无指定目标都按照正常编码，从而保证图像质量不会受到影响；
c)利用步骤b得到的配置参数进行完整视频编码。
7.如权利要求1所述的自适应跳帧的智能编码方法，其特征在于，所述S2步骤的跳帧编码是将当前编码块的编码模式设置为Skip模式，Skip模式编码块不传输编码像素残差，也不传输运动矢量残差，只传输采用Skip模式编码的标志；解码端通过预测的运动矢量得到运动矢量，并得到该编码块像素值。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810642018.XA CN108833915A (zh) | 2018-06-21 | 2018-06-21 | 一种自适应跳帧的智能编码方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810642018.XA CN108833915A (zh) | 2018-06-21 | 2018-06-21 | 一种自适应跳帧的智能编码方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN108833915A true CN108833915A (zh) | 2018-11-16 |
Family
ID=64141832
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810642018.XA Pending CN108833915A (zh) | 2018-06-21 | 2018-06-21 | 一种自适应跳帧的智能编码方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108833915A (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109862356A (zh) * | 2019-01-17 | 2019-06-07 | 中国科学院计算技术研究所 | 一种基于感兴趣区域的视频编码方法及系统 |
| CN110072119A (zh) * | 2019-04-11 | 2019-07-30 | 西安交通大学 | 一种基于深度学习网络的内容感知视频自适应传输方法 |
| CN112052351A (zh) * | 2020-07-28 | 2020-12-08 | 上海工程技术大学 | 一种用于动态环境的监控系统 |
| WO2021008290A1 (zh) * | 2019-07-15 | 2021-01-21 | 腾讯科技（深圳）有限公司 | 视频流解码方法、装置、终端设备及存储介质 |
| US10923158B1 (en) | 2019-11-25 | 2021-02-16 | International Business Machines Corporation | Dynamic sequential image processing |
| CN112929662A (zh) * | 2021-01-29 | 2021-06-08 | 中国科学技术大学 | 解决码流结构化图像编码方法中对象重叠问题的编码方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101159873A (zh) * | 2007-11-16 | 2008-04-09 | 中国科学院计算技术研究所 | 一种帧间模式选择方法 |
| CN101164344A (zh) * | 2005-03-01 | 2008-04-16 | 高通股份有限公司 | 感兴趣区域视频编码的内容自适应背景跳过 |
| CN101902642A (zh) * | 2010-05-31 | 2010-12-01 | 中山大学 | 一种h.264帧间skip模式快速判定方法 |
| JP2013187769A (ja) * | 2012-03-08 | 2013-09-19 | Panasonic Corp | 符号化装置 |
| CN103402087A (zh) * | 2013-07-23 | 2013-11-20 | 北京大学 | 一种基于可分级位流的视频编解码方法 |
-
2018
- 2018-06-21 CN CN201810642018.XA patent/CN108833915A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101164344A (zh) * | 2005-03-01 | 2008-04-16 | 高通股份有限公司 | 感兴趣区域视频编码的内容自适应背景跳过 |
| CN101159873A (zh) * | 2007-11-16 | 2008-04-09 | 中国科学院计算技术研究所 | 一种帧间模式选择方法 |
| CN101902642A (zh) * | 2010-05-31 | 2010-12-01 | 中山大学 | 一种h.264帧间skip模式快速判定方法 |
| JP2013187769A (ja) * | 2012-03-08 | 2013-09-19 | Panasonic Corp | 符号化装置 |
| CN103402087A (zh) * | 2013-07-23 | 2013-11-20 | 北京大学 | 一种基于可分级位流的视频编解码方法 |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109862356A (zh) * | 2019-01-17 | 2019-06-07 | 中国科学院计算技术研究所 | 一种基于感兴趣区域的视频编码方法及系统 |
| CN109862356B (zh) * | 2019-01-17 | 2020-11-10 | 中国科学院计算技术研究所 | 一种基于感兴趣区域的视频编码方法及系统 |
| CN110072119A (zh) * | 2019-04-11 | 2019-07-30 | 西安交通大学 | 一种基于深度学习网络的内容感知视频自适应传输方法 |
| WO2021008290A1 (zh) * | 2019-07-15 | 2021-01-21 | 腾讯科技（深圳）有限公司 | 视频流解码方法、装置、终端设备及存储介质 |
| US12003743B2 (en) | 2019-07-15 | 2024-06-04 | Tencent Technology (Shenzhen) Company Limited | Video stream decoding method and apparatus, terminal device, and storage medium |
| US10923158B1 (en) | 2019-11-25 | 2021-02-16 | International Business Machines Corporation | Dynamic sequential image processing |
| CN112052351A (zh) * | 2020-07-28 | 2020-12-08 | 上海工程技术大学 | 一种用于动态环境的监控系统 |
| CN112929662A (zh) * | 2021-01-29 | 2021-06-08 | 中国科学技术大学 | 解决码流结构化图像编码方法中对象重叠问题的编码方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108833915A (zh) | 一种自适应跳帧的智能编码方法 | |
| US10586312B2 (en) | Method for image processing and video compression with sparse zone salient features | |
| CN107155107B (zh) | 视频编码方法和装置、视频解码方法和装置 | |
| CN105163127B (zh) | 视频分析方法及装置 | |
| CN101023678B (zh) | 运动矢量分配的方法和装置 | |
| Gao et al. | Recent standard development activities on video coding for machines | |
| CN109391846B (zh) | 一种自适应模式选择的视频加扰方法及装置 | |
| CN112102212B (zh) | 一种视频修复方法、装置、设备及存储介质 | |
| EP4373086A1 (en) | Image processing method and apparatus, medium, and electronic device | |
| CN104883572B (zh) | 一种基于h.264或h.265的前背景分离编码设备和方法 | |
| CN104754362B (zh) | 使用精细划分块匹配的图像压缩方法 | |
| US20230276063A1 (en) | Npu for encoding or decoding videostream format for machine analisys | |
| CN101588487B (zh) | 一种视频帧内预测编码方法 | |
| CN101584220A (zh) | 对视频信号进行编码的方法和系统、编码的视频信号、对视频信号进行解码的方法和系统 | |
| US11893783B2 (en) | Apparatus and method for transceiving feature map extracted using MPEG-VCM | |
| CN104104948B (zh) | 视频转码方法及视频转码器 | |
| CN114339232B (zh) | 自适应分辨率的编码方法及其对应的解码方法 | |
| JPH10336673A (ja) | 映像信号符号化システムにおける縁部検出方法及びその装置 | |
| KR100289054B1 (ko) | 매크로블록 단위 영역 분할 및 배경 모자이크구성방법 | |
| CN113630619A (zh) | 节目录制方法和装置 | |
| CN111464805A (zh) | 一种基于全景显著性的立体全景视频快速编码方法 | |
| Pakdaman et al. | BLINC: lightweight bimodal learning for low-complexity VVC intra-coding | |
| CN112165619A (zh) | 一种面向监控视频压缩存储的方法 | |
| CN117061792B (zh) | 云视频协作渲染方法、装置及计算机设备 | |
| Zhu et al. | Spatial and temporal models for texture-based video coding |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20181116 |
|
| WD01 | Invention patent application deemed withdrawn after publication |