CN110830808A - 一种视频帧重构方法、装置及终端设备 - Google Patents
一种视频帧重构方法、装置及终端设备 Download PDFInfo
- Publication number
- CN110830808A CN110830808A CN201911199759.6A CN201911199759A CN110830808A CN 110830808 A CN110830808 A CN 110830808A CN 201911199759 A CN201911199759 A CN 201911199759A CN 110830808 A CN110830808 A CN 110830808A
- Authority
- CN
- China
- Prior art keywords
- frame
- reference frame
- reconstruction
- current frame
- motion
- 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
Images
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
- H04N19/85—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using pre-processing or post-processing specially adapted for video compression
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
-
- 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
- H04N19/136—Incoming video signal characteristics or properties
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Compression Or Coding Systems Of Tv Signals (AREA)
Abstract
本发明适用于视频压缩技术领域,提供了一种视频帧重构方法、装置及终端设备,包括:对参考帧和当前帧进行运动补偿对齐处理得到运动对齐参考帧;将所述当前帧与运动对齐参考帧进行融合重构得到重构帧。本发明利用了同一视频时域上不同帧的质量差异,将参考帧进行运动补偿对齐处理,使此参考帧中的高质量参考像素内容对齐到当前帧得到运动对齐参考帧;再将当前帧和运动对齐参考帧进行融合处理得到最终重构帧。提高了视频帧的质量,从而提升了解码视频的质量。
Description
技术领域
本发明属于视频压缩技术领域,尤其涉及一种视频帧重构方法、装置及终端设备。
背景技术
在传统视频编解码标准中,通常包含一个滤波后处理模块。目的是为了修复在视频压缩人工设计的预测模式下产生的一些不和谐副产物,例如传统编解码中的块效应,从而提升解码视频的质量和观感。虽然人工设计的滤波器可以在一定程度上提升画面质量,但是对于深度学习编解码器不一定起作用。
因此,有必要提出一种方案,解决上述技术问题。
发明内容
有鉴于此,本发明实施例提供了一种视频帧重构方法、装置及终端设备,以解决现有技术中视频解码后质量不高的问题。
本发明实施例的第一方面提供了一种视频帧重构方法,包括:
对参考帧和当前帧进行运动补偿对齐处理得到运动对齐参考帧;
将所述当前帧与运动对齐参考帧进行融合重构得到重构帧。
进一步地,所述对参考帧和当前帧进行运动补偿对齐处理得到运动对齐参考帧包括:
计算所述参考帧和当前帧之间的光流信息;
提取所述当前帧的特征信息;
将所述当前帧的特征信息、光流信息以及参考帧输入Unet得到光流重构信息;
基于所述光流重构信息对参考帧Warp后得到运动对齐参考帧。
进一步地,所述将当前帧与运动对齐参考帧进行融合重构得到重构帧包括:
提取所述当前帧和运动对齐参考帧的特征信息;
提取所述当前帧的特征信息;
将所述当前帧和运动对齐参考帧的特征信息以及当前帧的特征信息输入Unet得到重构帧。
进一步地,所述参考帧和当前帧为同一视频时域上的不同帧。
本发明实施例的第二方面提供了一种视频帧重构装置,包括:
运动补偿对齐模块,用于对参考帧和当前帧进行运动补偿对齐处理得到运动对齐参考帧。
融合重构模块,用于将所述当前帧与运动对齐参考帧进行融合重构得到重构帧。
进一步地,所述运动补偿对齐模块包括:
光流计算单元,用于计算所述参考帧和当前帧之间的光流信息;
特征提取单元,用于提取所述当前帧的特征信息;
光流重构单元,用于将所述当前帧的特征信息、光流信息以及参考帧输入Unet得到光流重构信息;
Warp单元,用于基于所述光流重构信息对参考帧Warp后得到运动对齐参考帧。
进一步地,所述融合重构模块包括:
第一特征提取单元,用于提取所述当前帧和运动对齐参考帧的特征信息;
第二特征提取单元,用于提取所述当前帧的特征信息;
重构单元,用于将所述当前帧和运动对齐参考帧的特征信息以及当前帧的特征信息输入Unet得到重构帧。
本发明实施例的第三方面提供了一种视频帧重构终端设备,包括存储器、处理器以及存储在上述存储器中并可在上述处理器上运行的计算机程序,上述处理器执行上述计算机程序时实现如上第一方面所提供的方法的步骤。
本发明实施例的第四方面提供了一种计算机可读存储介质,上述计算机可读存储介质存储有计算机程序,上述计算机程序被处理器执行时实现如上第一方面所提供的方法的步骤。
本发明实施例与现有技术相比存在的有益效果是:
本发明利用了同一视频时域上不同帧的质量差异,将参考帧进行运动补偿对齐处理,使此参考帧中的高质量参考像素内容对齐到当前帧得到运动对齐参考帧;再将当前帧和运动对齐参考帧进行融合处理得到最终重构帧。解决了人工滤波器无法提升基于深度学习编解码的视频质量的问题,提高了通过深度学习进行编解码的视频的质量。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的视频帧重构方法的实现流程示意图;
图2是本发明实施例提供的视频帧重构网络的示意图;
图3是本发明实施例提供的运动补偿对齐网络的示意图;
图4是本发明实施例提供的融合重构网络的示意图;
图5是本发明实施例提供的视频帧重构装置的示意图;
图6是本发明实施例提供的视频帧重构终端设备的示意图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、技术之类的具体细节,以便透彻理解本发明实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中,省略对众所周知的系统、装置、电路以及方法的详细说明,以免不必要的细节妨碍本发明的描述。
为了说明本发明所述的技术方案,下面通过具体实施例来进行说明。
实施例一
图1示出了本发明实施例一提供的视频帧重构方法的实现流程,该方法的执行主体可以是终端设备,详述如下:
步骤S101,对参考帧和当前帧进行运动补偿对齐处理得到运动对齐参考帧。其中上述参考帧和当前帧为同一视频时域上的不同帧。
可选地,图2示出了本发明实施例提供的视频帧重构网络的结构,图3示出了上述视频帧重构网络中运动补偿对齐网络的结构,将参考帧和当前帧输入视频帧重构网络的运动补偿对齐网络中,通过上述运动补偿对齐网络中的光流计算网络计算上述参考帧和当前帧之间的光流信息。具体地,光流是利用图像序列中像素在时间域上的变化以及相邻帧之间的相关性查找相邻两帧之间的相关性,从而计算出相邻帧之间物体的运动信息:将参考帧和当前帧输入预先设定的光流网络中,得到光流信息。其中,上述光流网络包括两种网络结构:FlowNetS(FlowNetSimple)和FlowNetC(FlowNetCorr),FlowNetS是直接将两张图像按照通道维重叠后输入,FlowNetS的网络结构中只有卷积层;FlowNetC是先分别提取输入的两张图像的特征,再计算特征的相关性,即两张图像的特征在空间维度做卷积运算。
可选地,提取上述当前帧的特征信息。具体地,通过预设的特征提取网络提取当前帧的特征信息,其中特征提取网络为卷积神经网络,该卷积神经网络可以包括至少一个卷积层。进一步地,上述卷积层可包括卷积核,输入卷积层的图像经过与卷积核的卷积运算后去除冗余的图像信息,输出包含特征信息的图像。如果上述卷积的步长大于1时,则卷积层可以输出多幅尺寸小于输入图像的特征图,在经过多个卷积层的处理后,输入卷积神经网络的图像的尺寸经过了多级收缩,得到多幅尺寸小于输入神经网络的图像尺寸的特征图,上述特征图即为特征信息。
进一步地,将上述当前帧的特征信息、光流信息以及参考帧输入Unet得到光流重构信息。可选地,在将光流信息输入Unet之前,将上述光流信息的数值缩小N倍,并在进行Warp操作前将Unet输出的光流重构信息的数值放大N倍,上述数值缩小与放大操作同步进行,用于稳定网络训练过程,上述缩放倍数N可以是20也可以是其他数值,此处不作限定。
进一步地,基于上述光流重构信息对参考帧Warp后得到运动对齐参考帧。可选地,根据光流重构信息,将参考帧Warp(图像仿射变换)到指定位置得到运动对齐参考帧。
步骤S102,将上述当前帧与运动对齐参考帧进行融合重构得到重构帧。
可选地,图4示出了上述视频帧重构网络中融合重构网络的结构。如图4所示,通过预设的卷积网络提取上述当前帧与运动对齐参考帧的特征信息,其中预设的卷积网络的数量可以是三个且三个卷积网络的卷积核尺寸互不相同,此处不作限定。进一步地,通过上述尺寸互不相同的卷积网络后提取上述当前帧和运动对齐参考帧的不同尺度的特征信息,即图4中的tensor。同时提取上述当前帧的特征信息,将上述当前帧的特征信息与tensor输入Unet中输出最终重构帧。
可选地,在对上述视频帧重构网络训练时针对不同的测试目标采用不同的损失函数:当视频帧重构网络生成重构帧的性能指标为峰值信噪比PSNR(Peak Signal to NoiseRatio)时,采用重构帧和当前帧之间的MSE来定义损失函数,即损失函数为MSE(重构帧,当前帧);当视频帧重构网络生成重构帧的性能指标为结构相似度SSIM(StructureSimilaruty)时,采用重构帧和当前帧之间的多尺度结构相似度(Ms-ssim)来定义,即损失函数为MSSSIM(重构帧,当前帧)。
本实施例中,通过将参考帧进行运动补偿对齐处理,使此参考帧中的高质量参考像素内容对齐到当前帧得到运动对齐参考帧;再将当前帧和运动对齐参考帧进行融合处理得到最终重构帧。提高了视频帧的质量,从而提升了解码视频的质量。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。
实施例二
图5示出了本发明实施例提供的视频帧重构装置的结构框图,为了便于说明,仅示出了与本发明实施例相关的部分。该视频帧重构装置5包括:运动补偿对齐模块51,融合重构模块52。
其中,运动补偿对齐模块51用于对参考帧和当前帧进行运动补偿对齐处理得到运动对齐参考帧。
融合重构模块52用于将上述当前帧与运动对齐参考帧进行融合重构得到重构帧。
可选地,上述运动补偿对齐模块51包括:
光流计算单元,用于计算上述参考帧和当前帧之间的光流信息;
特征提取单元,用于提取上述当前帧的特征信息;
光流重构单元,用于将上述当前帧的特征信息、光流信息以及参考帧输入Unet得到光流重构信息;
Warp单元,用于基于上述光流重构信息对参考帧Warp后得到运动对齐参考帧。
可选地,上述融合重构模块包括:
第一特征提取单元,用于提取上述当前帧和运动对齐参考帧的特征信息;
第二特征提取单元,用于提取上述当前帧的特征信息;
重构单元,用于将上述当前帧和运动对齐参考帧的特征信息以及当前帧的特征信息输入Unet得到重构帧。
可选地,上述参考帧和当前帧为同一视频时域上的不同帧。
本实施例通过运动补偿对齐模块51将参考帧进行运动补偿对齐处理,使此参考帧中的高质量参考像素内容对齐到当前帧得到运动对齐参考帧;再通过融合重构模块52将当前帧和运动对齐参考帧进行融合处理得到最终重构帧。提高了视频帧的质量,从而提升了解码视频的质量。
实施例三
图6是本发明一实施例提供的视频帧重构终端设备的示意图。如图6所示,该实施例的视频帧重构终端设备6包括:处理器60、存储器61以及存储在上述存储器61中并可在上述处理器60上运行的计算机程序62,例如视频帧重构程序。上述处理器60执行上述计算机程序62时实现上述各个视频帧重构方法实施例中的步骤,例如图1所示的步骤101至102。或者,上述处理器60执行上述计算机程序62时实现上述各装置实施例中各模块/单元的功能,例如图5所示模块51至52的功能。
示例性的,上述计算机程序62可以被分割成一个或多个模块/单元,上述一个或者多个模块/单元被存储在上述存储器61中,并由上述处理器60执行,以完成本发明。上述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述上述计算机程序62在上述视频帧重构终端设备6中的执行过程。例如,上述计算机程序62可以被分割成运动补偿对齐模块、融合重构模块,各模块具体功能如下:
运动补偿对齐模块,用于对参考帧和当前帧进行运动补偿对齐处理得到运动对齐参考帧。
融合重构模块,用于将上述当前帧与运动对齐参考帧进行融合重构得到重构帧。
上述视频帧重构终端设备6可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。上述视频帧重构终端设备可包括,但不仅限于,处理器60、存储器61。本领域技术人员可以理解,图6仅仅是视频帧重构终端设备6的示例,并不构成对视频帧重构终端设备6的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如上述视频帧重构终端设备还可以包括输入输出设备、网络接入设备、总线等。
所称处理器60可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
上述存储器61可以是上述视频帧重构终端设备6的内部存储单元,例如视频帧重构终端设备6的硬盘或内存。上述存储器61也可以是上述视频帧重构终端设备6的外部存储设备,例如上述视频帧重构终端设备6上配备的插接式硬盘,智能存储卡(Smart MediaCard,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。进一步地,上述存储器61还可以既包括上述视频帧重构终端设备6的内部存储单元也包括外部存储设备。上述存储器61用于存储上述计算机程序以及上述视频帧重构终端设备所需的其他程序和数据。上述存储器61还可以用于暂时地存储已经输出或者将要输出的数据。
由上可见,本实施例利用了同一视频时域上不同帧的质量差异,将参考帧进行运动补偿对齐处理,使此参考帧中的高质量参考像素内容对齐到当前帧得到运动对齐参考帧;再将当前帧和运动对齐参考帧进行融合处理得到最终重构帧。提高了视频帧的质量,从而提升了解码视频的质量。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将上述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中,上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
在本发明所提供的实施例中,应该理解到,所揭露的装置/终端设备和方法,可以通过其它的方式实现。例如,以上所描述的装置/终端设备实施例仅仅是示意性的,例如,所述模块或单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口,装置或单元的间接耦合或通讯连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是,所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括是电载波信号和电信信号。
以上所述实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围,均应包含在本发明的保护范围之内。
Claims (9)
1.一种视频帧重构方法,其特征在于,包括:
对参考帧和当前帧进行运动补偿对齐处理得到运动对齐参考帧;
将所述当前帧与运动对齐参考帧进行融合重构得到重构帧。
2.如权利要求1所述的视频帧重构方法,其特征在于,所述对参考帧和当前帧进行运动补偿对齐处理得到运动对齐参考帧包括:
计算所述参考帧和当前帧之间的光流信息;
提取所述当前帧的特征信息;
将所述当前帧的特征信息、光流信息以及参考帧输入Unet得到光流重构信息;
基于所述光流重构信息对参考帧Warp后得到运动对齐参考帧。
3.如权利要求1所述的视频帧重构方法,其特征在于,所述将当前帧与运动对齐参考帧进行融合重构得到重构帧包括:
提取所述当前帧和运动对齐参考帧的特征信息;
提取所述当前帧的特征信息;
将所述当前帧和运动对齐参考帧的特征信息以及当前帧的特征信息输入Unet得到重构帧。
4.如权利要求1所述的视频帧重构方法,其特征在于,
所述参考帧和当前帧为同一视频时域上的不同帧。
5.一种视频帧重构装置,其特征在于,包括:
运动补偿对齐模块,用于对参考帧和当前帧进行运动补偿对齐处理得到运动对齐参考帧。
融合重构模块,用于将所述当前帧与运动对齐参考帧进行融合重构得到重构帧。
6.如权利要求5所述的视频帧重构装置,其特征在于,所述运动补偿对齐模块包括:
光流计算单元,用于计算所述参考帧和当前帧之间的光流信息;
特征提取单元,用于提取所述当前帧的特征信息;
光流重构单元,用于将所述当前帧的特征信息、光流信息以及参考帧输入Unet得到光流重构信息;
Warp单元,用于基于所述光流重构信息对参考帧Warp后得到运动对齐参考帧。
7.如权利要求5所述的视频帧重构装置,其特征在于,所述融合重构模块包括:
第一特征提取单元,用于提取所述当前帧和运动对齐参考帧的特征信息;
第二特征提取单元,用于提取所述当前帧的特征信息;
重构单元,用于将所述当前帧和运动对齐参考帧的特征信息以及当前帧的特征信息输入Unet得到重构帧。
8.一种视频帧重构终端设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至4任一项所述方法的步骤。
9.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至4任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911199759.6A CN110830808A (zh) | 2019-11-29 | 2019-11-29 | 一种视频帧重构方法、装置及终端设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911199759.6A CN110830808A (zh) | 2019-11-29 | 2019-11-29 | 一种视频帧重构方法、装置及终端设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110830808A true CN110830808A (zh) | 2020-02-21 |
Family
ID=69543148
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911199759.6A Pending CN110830808A (zh) | 2019-11-29 | 2019-11-29 | 一种视频帧重构方法、装置及终端设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110830808A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111935425A (zh) * | 2020-08-14 | 2020-11-13 | 字节跳动有限公司 | 视频降噪方法、装置、电子设备及计算机可读介质 |
CN112734805A (zh) * | 2021-01-11 | 2021-04-30 | 北京深睿博联科技有限责任公司 | 一种基于深度学习的行人运动轨迹预测方法及装置 |
CN113393558A (zh) * | 2021-06-29 | 2021-09-14 | 维沃软件技术有限公司 | 漫画生成方法、装置、电子设备和存储介质 |
CN113781312A (zh) * | 2021-11-11 | 2021-12-10 | 深圳思谋信息科技有限公司 | 视频增强方法、装置、计算机设备和存储介质 |
WO2023143331A1 (zh) * | 2022-01-25 | 2023-08-03 | 阿里巴巴(中国)有限公司 | 一种面部视频编码方法、解码方法及装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170006303A1 (en) * | 2015-06-30 | 2017-01-05 | Intel Corporation | Method and system of adaptive reference frame caching for video coding |
CN109118431A (zh) * | 2018-09-05 | 2019-01-01 | 武汉大学 | 一种基于多记忆及混合损失的视频超分辨率重建方法 |
CN110363794A (zh) * | 2019-07-17 | 2019-10-22 | 青岛科技大学 | 视频连续帧之间的光流预测方法 |
-
2019
- 2019-11-29 CN CN201911199759.6A patent/CN110830808A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170006303A1 (en) * | 2015-06-30 | 2017-01-05 | Intel Corporation | Method and system of adaptive reference frame caching for video coding |
CN109118431A (zh) * | 2018-09-05 | 2019-01-01 | 武汉大学 | 一种基于多记忆及混合损失的视频超分辨率重建方法 |
CN110363794A (zh) * | 2019-07-17 | 2019-10-22 | 青岛科技大学 | 视频连续帧之间的光流预测方法 |
Non-Patent Citations (1)
Title |
---|
HUAIZU JIANG 等: "Super SloMo: High Quality Estimation of Multiple Intermediate Frames for Video Interpolation", 《2018 IEEE/CVF CONFERENCE ON COMPUTER VISION AND PATTERN RECOGNITION》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111935425A (zh) * | 2020-08-14 | 2020-11-13 | 字节跳动有限公司 | 视频降噪方法、装置、电子设备及计算机可读介质 |
CN111935425B (zh) * | 2020-08-14 | 2023-03-24 | 字节跳动有限公司 | 视频降噪方法、装置、电子设备及计算机可读介质 |
CN112734805A (zh) * | 2021-01-11 | 2021-04-30 | 北京深睿博联科技有限责任公司 | 一种基于深度学习的行人运动轨迹预测方法及装置 |
CN112734805B (zh) * | 2021-01-11 | 2022-04-15 | 北京深睿博联科技有限责任公司 | 一种基于深度学习的行人运动轨迹预测方法及装置 |
CN113393558A (zh) * | 2021-06-29 | 2021-09-14 | 维沃软件技术有限公司 | 漫画生成方法、装置、电子设备和存储介质 |
CN113781312A (zh) * | 2021-11-11 | 2021-12-10 | 深圳思谋信息科技有限公司 | 视频增强方法、装置、计算机设备和存储介质 |
WO2023143331A1 (zh) * | 2022-01-25 | 2023-08-03 | 阿里巴巴(中国)有限公司 | 一种面部视频编码方法、解码方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110830808A (zh) | 一种视频帧重构方法、装置及终端设备 | |
Liu et al. | Data-driven soft decoding of compressed images in dual transform-pixel domain | |
CN110913218A (zh) | 一种视频帧预测方法、装置及终端设备 | |
CN109325928A (zh) | 一种图像重建方法、装置及设备 | |
CN111784570A (zh) | 一种视频图像超分辨率重建方法及设备 | |
Soh et al. | Reduction of video compression artifacts based on deep temporal networks | |
CN110753225A (zh) | 一种视频压缩方法、装置及终端设备 | |
CN111083478A (zh) | 一种视频帧重构方法、装置及终端设备 | |
CN110913219A (zh) | 一种视频帧预测方法、装置及终端设备 | |
CN110913230A (zh) | 一种视频帧预测方法、装置及终端设备 | |
CN113724136A (zh) | 一种视频修复方法、设备及介质 | |
CN116309148A (zh) | 图像修复模型训练方法、图像修复方法、装置和电子设备 | |
CN110650339A (zh) | 一种视频压缩方法、装置及终端设备 | |
Chen et al. | Enhanced separable convolution network for lightweight jpeg compression artifacts reduction | |
CN111083494A (zh) | 一种视频编码方法、装置及终端设备 | |
CN110944212A (zh) | 一种视频帧重构方法、装置及终端设备 | |
CN111083479A (zh) | 一种视频帧预测方法、装置及终端设备 | |
CN110677671A (zh) | 一种图像压缩方法、装置及终端设备 | |
CN110782415A (zh) | 一种图像补全方法、装置及终端设备 | |
CN111083482A (zh) | 一种视频压缩网络训练方法、装置及终端设备 | |
CN111083501A (zh) | 一种视频帧重构方法、装置及终端设备 | |
CN110830806A (zh) | 一种视频帧预测方法、装置及终端设备 | |
CN111083500A (zh) | 一种视频帧重构方法、装置及终端设备 | |
CN116977191A (zh) | 画质提升模型的训练方法和视频会议系统画质的提升方法 | |
CN114119377A (zh) | 一种图像处理方法及装置 |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20200221 |