CN110996108A - 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 PDF

Info

Publication number
CN110996108A
CN110996108A CN201911199768.5A CN201911199768A CN110996108A CN 110996108 A CN110996108 A CN 110996108A CN 201911199768 A CN201911199768 A CN 201911199768A CN 110996108 A CN110996108 A CN 110996108A
Authority
CN
China
Prior art keywords
frame
current frame
optical flow
residual error
reconstruction
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
Application number
CN201911199768.5A
Other languages
English (en)
Inventor
武祥吉
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hefei Tucodec Information Technology Co ltd
Original Assignee
Hefei Tucodec Information Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Hefei Tucodec Information Technology Co ltd filed Critical Hefei Tucodec Information Technology Co ltd
Priority to CN201911199768.5A priority Critical patent/CN110996108A/zh
Publication of CN110996108A publication Critical patent/CN110996108A/zh
Pending legal-status Critical Current

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
    • H04N19/90—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using coding techniques not provided for in groups H04N19/10-H04N19/85, e.g. fractals
    • H04N19/91—Entropy coding, e.g. variable length coding [VLC] or arithmetic coding
    • 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
    • H04N19/184—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 bits, e.g. of the compressed video stream
    • 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
    • H04N19/50—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (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，所述方法包括：计算当前帧到当前帧前一帧的光流信息；基于所述光流信息、当前帧和当前帧前一帧得到残差；将所述残差、光流信息和当前帧输入编码网络得到高维特征向量；对所述高维特征向量进行算术编码得到压缩比特流；算术解码所述压缩比特流并输入解码网络得到解码残差、光流重构信息以及分离卷积核；基于所述分离卷积核、光流重构信息和当前帧前一帧得到当前帧预测帧；将所述当前帧预测帧与所述解码残差叠加得到当前帧重构帧。本发明通过联合压缩运动向量及残差，进一步减少空间冗余，提升视频压缩性能。

Description

一种视频帧重构方法、装置及终端设备
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
随着多媒体信息技术的不断发展，视频信息大量涌现。视频数据作为一种表达信息的综合媒体，已成为我们现实生活中一个重要的信息载体。随着监控采像设备的日益普及，产生了海量的视频数据，视频存储是视频监控系统应用中非常重要的一个环节。海量的视频数据通常需要进行长时间的存储，才能为日后的视频录像资料检索、回放等提供服务。
最常见的存储视频数据的方法是简单地对全时段的视频原始资料进行存储。这种方式保存了大量背景信息，即保存的信息中存在很大冗余，耗费了庞大的存储成本，难以保存长时期的视频记录。因此必须将视频原始资料进行压缩存储，缩小存储空间，延长存储时效。但随着视频压缩技术的发展，出现了很多视频压缩的算法与技术，例如MPEG压缩算法，其优点是解码之后的画质比较清晰，但是该算法压缩率低，占用宽带很大；H.264压缩技术的压缩率高，但解码之后的画质相对较差，占用带宽随画面运动的复杂度而大幅变化。
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压缩性能低的问题。
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：
计算当前帧到当前帧前一帧的光流信息；
基于所述光流信息、当前帧和当前帧前一帧得到残差；
将所述残差、光流信息和当前帧输入编码网络得到高维特征向量；
对所述高维特征向量进行算术编码得到压缩比特流；
算术解码所述压缩比特流并输入解码网络得到解码残差、光流重构信息以及分离卷积核；
基于所述分离卷积核、光流重构信息和当前帧前一帧得到当前帧预测帧；
将所述当前帧预测帧与所述解码残差叠加得到当前帧重构帧。
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：
光流模块，用于计算当前帧到当前帧前一帧的光流信息；
残差模块，用于基于所述光流信息、当前帧和当前帧前一帧得到残差；
高维特征向量模块，用于将所述残差、光流信息和当前帧输入编码网络得到高维特征向量；
编码模块，用于对所述高维特征向量进行算术编码得到压缩比特流；
解码模块，用于算术解码所述压缩比特流并输入解码网络得到解码残差、光流重构信息以及分离卷积核；
预测帧模块，用于基于所述分离卷积核、光流重构信息和当前帧前一帧得到当前帧预测帧；
重构帧模块，用于将所述当前帧预测帧与所述解码残差叠加得到当前帧重构帧。
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：
本发明通过联合压缩运动向量及残差，进一步减少空间冗余，提升了视频压缩性能。
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装置的示意图；
图3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，计算当前帧到当前帧前一帧的光流信息。
可选地，计算当前帧图像的像素到当前帧前一帧图像的像素在时间域上的变化，得到光流信息。
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：将当前帧和当前帧前一帧输入预先设定的光流网络，得到光流信息。进一步地，上述光流网络包括两种网络结构：FlowNetS(FlowNetSimple)和FlowNetC(FlowNetCorr)。其中上述光流网络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；上述光流网络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做卷积运算。
步骤S102，基于上述光流信息、当前帧和当前帧前一帧得到残差。
可选地，根据上述光流信息对上述当前帧前一帧进行warp操作后得到第一变换帧。具体地，根据上述光流信息，将当前帧前一帧warp(图像仿射变换)到指定位置得到第一变换帧。
进一步地，将上述第一变换帧与上述当前帧相减得到残差
步骤S103，将上述残差、光流信息和当前帧输入编码网络得到高维特征向量。
可选地，将上述残差、光流信息和当前帧输入编码网络后，提取上述编码网络中瓶颈层(bottle-neck层)的高维特征信息。其中上述瓶颈层为上述编码网络中尺寸最小的卷积层。
步骤S104，对上述高维特征向量进行算术编码得到压缩比特流。
可选地，将上述高维特征向量输入超参网络得到概率模型。进一步地，根据上述概率模型对上述高维特征向量进行算术编码得到压缩比特流，并对其进行存储。
步骤S105，算术解码上述压缩比特流并输入解码网络得到解码残差、光流重构信息以及分离卷积核。
可选地，对上述压缩比特流进行解码后，输入解码网络中，得到解码残差、光流重构信息以及分离卷积核。
步骤S106，基于上述分离卷积核、光流重构信息和当前帧前一帧得到当前帧预测帧。
可选地，根据上述光流重构信息对上述当前帧前一帧进行warp操作后得到第二变换帧。具体地，根据上述重构光流信息，将当前帧前一帧warp(图像仿射变换)到指定位置得到第二变换帧。
进一步地，将上述第二变换帧与上述分离卷积核进行分离卷积操作得到当前帧预测帧。具体地，将上述第二变换帧中每个像素都与上述分离卷积核进行卷积操作得到当前帧的预测帧。
步骤S107，将上述当前帧预测帧与上述解码残差叠加得到当前帧重构帧。
本实施例中，通过联合压缩运动向量及残差，进一步减少空间冗余，提升了视频压缩性能。
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2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2包括：光流模块21，残差模块模块22、高维特征向量模块23、编码模块24、解码模块25、预测帧模块26和重构帧模块27。
其中，光流模块21，用于计算当前帧到当前帧前一帧的光流信息；
残差模块22，用于基于上述光流信息、当前帧和当前帧前一帧得到残差；
高维特征向量模块23，用于将上述残差、光流信息和当前帧输入编码网络得到高维特征向量；
编码模块24，用于对上述高维特征向量进行算术编码得到压缩比特流；
解码模块25，用于算术解码上述压缩比特流并输入解码网络得到解码残差、光流重构信息以及分离卷积核；
预测帧模块26，用于基于上述分离卷积核、光流重构信息和当前帧前一帧得到当前帧预测帧；
重构帧模块27，用于将上述当前帧预测帧与上述解码残差叠加得到当前帧重构帧。
可选地，上述光流模块21包括：
光流计算单元，用于计算当前帧图像的像素到当前帧前一帧图像的像素在时间域上的变化，得到光流信息。
可选地，上述残差模块22包括：
第一变换帧单元，用于根据上述光流信息对上述当前帧前一帧进行warp操作后得到第一变换帧；
残差单元，用于将上述第一变换帧与上述当前帧相减得到残差。
可选地，上述编码模块24包括：
概率模型单元，用于将上述高维特征向量输入超参网络得到概率模型；
算术编码单元，用于根据上述概率模型对上述高维特征向量进行算术编码得到压缩比特流。
可选地，上述预测帧模块26包括：
第二变换帧单元，用于根据上述光流重构信息对上述当前帧前一帧进行warp操作后得到第二变换帧；
预测帧单元，用于将上述第二变换帧与上述分离卷积核进行分离卷积操作得到当前帧预测帧。
实施例三
图3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3所示，该实施例的视频帧重构终端设备3包括：处理器30、存储器31以及存储在上述存储器31中并可在上述处理器30上运行的计算机程序32，例如视频帧重构程序。上述处理器30执行上述计算机程序32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107。或者，上述处理器30执行上述计算机程序32时实现上述各装置实施例中各模块的功能，例如图2所示模块21至27的功能。
示例性的，上述计算机程序32可以被分割成一个或多个模块，上述一个或者多个模块被存储在上述存储器31中，并由上述处理器30执行，以完成本发明。上述一个或多个模块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32在上述视频帧重构终端设备3中的执行过程。例如，上述计算机程序32可以被分割成光流模块，残差模块模块、高维特征向量模块、编码模块、解码模块、预测帧模块和重构帧模块，各模块具体功能如下：
光流模块，用于计算当前帧到当前帧前一帧的光流信息；
残差模块，用于基于上述光流信息、当前帧和当前帧前一帧得到残差；
高维特征向量模块，用于将上述残差、光流信息和当前帧输入编码网络得到高维特征向量；
编码模块，用于对上述高维特征向量进行算术编码得到压缩比特流；
解码模块，用于算术解码上述压缩比特流并输入解码网络得到解码残差、光流重构信息以及分离卷积核；
预测帧模块，用于基于上述分离卷积核、光流重构信息和当前帧前一帧得到当前帧预测帧；
重构帧模块，用于将上述当前帧预测帧与上述解码残差叠加得到当前帧重构帧。
上述视频帧重构终端设备3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30、存储器31。本领域技术人员可以理解，图3仅仅是视频帧重构终端设备3的示例，并不构成对视频帧重构终端设备3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30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31可以是上述视频帧重构终端设备3的内部存储单元，例如视频帧重构终端设备3的硬盘或内存。上述存储器31也可以是上述视频帧重构终端设备3的外部存储设备，例如上述视频帧重构终端设备3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31还可以既包括上述视频帧重构终端设备3的内部存储单元也包括外部存储设备。上述存储器31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31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，本实施例通过联合压缩运动向量及残差，进一步减少空间冗余，提升了视频压缩性能。
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，上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。
上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。
上述集成的模块/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，上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，上述计算机程序包括计算机程序代码，上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。上述计算机可读介质可以包括：能够携带上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，上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。
以上上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 (10)

1.一种视频帧重构方法，其特征在于，包括：
计算当前帧到当前帧前一帧的光流信息；
基于所述光流信息、当前帧和当前帧前一帧得到残差；
将所述残差、光流信息和当前帧输入编码网络得到高维特征向量；
对所述高维特征向量进行算术编码得到压缩比特流；
算术解码所述压缩比特流并输入解码网络得到解码残差、光流重构信息以及分离卷积核；
基于所述分离卷积核、光流重构信息和当前帧前一帧得到当前帧预测帧；
将所述当前帧预测帧与所述解码残差叠加得到当前帧重构帧。
2.如权利要求1所述的视频帧重构方法，其特征在于，所述计算当前帧到当前帧前一帧的光流信息包括：
计算当前帧图像的像素到当前帧前一帧图像的像素在时间域上的变化，得到光流信息。
3.如权利要求1所述的视频帧重构方法，其特征在于，所述对高维特征向量进行算术编码得到压缩比特流包括：
将所述高维特征向量输入超参网络得到概率模型；
根据所述概率模型对所述高维特征向量进行算术编码得到压缩比特流。
4.如权利要求1所述的视频帧重构方法，其特征在于，所述基于所述光流信息、当前帧和当前帧前一帧得到残差包括：
根据所述光流信息对所述当前帧前一帧进行warp操作后得到第一变换帧；
将所述第一变换帧与所述当前帧相减得到残差。
5.如权利要求1所述的视频帧重构方法，其特征在于，所述基于所述分离卷积核、光流重构信息和当前帧前一帧得到当前帧预测帧包括：
根据所述光流重构信息对所述当前帧前一帧进行warp操作后得到第二变换帧；
将所述第二变换帧与所述分离卷积核进行分离卷积操作得到当前帧预测帧。
6.一种视频帧重构装置，其特征在于，包括：
光流模块，用于计算当前帧到当前帧前一帧的光流信息；
残差模块，用于基于所述光流信息、当前帧和当前帧前一帧得到残差；
高维特征向量模块，用于将所述残差、光流信息和当前帧输入编码网络得到高维特征向量；
编码模块，用于对所述高维特征向量进行算术编码得到压缩比特流；
解码模块，用于算术解码所述压缩比特流并输入解码网络得到解码残差、光流重构信息以及分离卷积核；
预测帧模块，用于基于所述分离卷积核、光流重构信息和当前帧前一帧得到当前帧预测帧；
重构帧模块，用于将所述当前帧预测帧与所述解码残差叠加得到当前帧重构帧。
7.如权利要求6所述的视频帧重构方法，其特征在于，所述残差模块包括：
第一变换帧单元，用于根据所述光流信息对所述当前帧前一帧进行warp操作后得到第一变换帧；
残差单元，用于将所述第一变换帧与所述当前帧相减得到残差。
8.如权利要求6所述的视频帧重构方法，其特征在于，所述预测帧模块包括：
第二变换帧单元，用于根据所述光流重构信息对所述当前帧前一帧进行warp操作后得到第二变换帧；
预测帧单元，用于将所述第二变换帧与所述分离卷积核进行分离卷积操作得到当前帧预测帧。
9.一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5任一项所述方法的步骤。
10.一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5任一项所述方法的步骤。
CN201911199768.5A 2019-11-29 2019-11-29 一种视频帧重构方法、装置及终端设备 Pending CN110996108A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911199768.5A CN110996108A (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
CN201911199768.5A CN110996108A (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
CN110996108A true CN110996108A (zh) 2020-04-10

Family

ID=70088322

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911199768.5A Pending CN110996108A (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) CN110996108A (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20170078584A1 (en) * 2015-09-10 2017-03-16 Temple University - Of The Commonwealth System Of Higher Education Optical dynamic imaging system
CN107046646A (zh) * 2016-12-30 2017-08-15 上海寒武纪信息科技有限公司 基于深度自动编码器的视频编解码装置及方法
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
CN110070041A (zh) * 2019-04-23 2019-07-30 江西理工大学 一种时空压缩激励残差乘法网络的视频动作识别方法
CN110110707A (zh) * 2019-05-24 2019-08-09 苏州闪驰数控系统集成有限公司 人工智能cnn、lstm神经网络动态识别系统
CN110248191A (zh) * 2019-07-15 2019-09-17 山东浪潮人工智能研究院有限公司 一种基于深层卷积神经网络的视频压缩方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20170078584A1 (en) * 2015-09-10 2017-03-16 Temple University - Of The Commonwealth System Of Higher Education Optical dynamic imaging system
CN107046646A (zh) * 2016-12-30 2017-08-15 上海寒武纪信息科技有限公司 基于深度自动编码器的视频编解码装置及方法
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
CN110070041A (zh) * 2019-04-23 2019-07-30 江西理工大学 一种时空压缩激励残差乘法网络的视频动作识别方法
CN110110707A (zh) * 2019-05-24 2019-08-09 苏州闪驰数控系统集成有限公司 人工智能cnn、lstm神经网络动态识别系统
CN110248191A (zh) * 2019-07-15 2019-09-17 山东浪潮人工智能研究院有限公司 一种基于深层卷积神经网络的视频压缩方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
余世杰: "视频图像超分辨率重构研究", 《中国知网》 *

Similar Documents

Publication Publication Date Title
Wu et al. Learned block-based hybrid image compression
CN110913218A (zh) 一种视频帧预测方法、装置及终端设备
TWI834087B (zh) 用於從位元流重建圖像及用於將圖像編碼到位元流中的方法及裝置、電腦程式產品
CN104581177B (zh) 一种结合块匹配和串匹配的图像压缩方法和装置
CN113766249B (zh) 视频编解码中的环路滤波方法、装置、设备及存储介质
CN110913219A (zh) 一种视频帧预测方法、装置及终端设备
CN110830808A (zh) 一种视频帧重构方法、装置及终端设备
Zhang et al. Video compression artifact reduction via spatio-temporal multi-hypothesis prediction
CN111083478A (zh) 一种视频帧重构方法、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
CN110650339A (zh) 一种视频压缩方法、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
CN111083494A (zh) 一种视频编码方法、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
CN110996108A (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
CN111083501A (zh) 一种视频帧重构方法、装置及终端设备
CN106954074B (zh) 一种视频数据处理方法和装置
CN110913220A (zh) 一种视频帧编码方法、装置及终端设备
CN114463453A (zh) 图像重建、编码解码方法、相关装置
CN111988621A (zh) 视频处理器训练方法、装置、视频处理装置及视频处理方法
CN111107369A (zh) 一种视频帧重构方法、装置及终端设备
WO2023185305A1 (zh) 编码方法、装置、存储介质及计算机程序产品
US20240015336A1 (en) Filtering method and apparatus, computer-readable medium, and electronic device

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: 20200410