CN111654708B - 一种运动矢量获取方法、装置及电子设备 - Google Patents

一种运动矢量获取方法、装置及电子设备 Download PDF

Info

Publication number
CN111654708B
CN111654708B CN202010509219.XA CN202010509219A CN111654708B CN 111654708 B CN111654708 B CN 111654708B CN 202010509219 A CN202010509219 A CN 202010509219A CN 111654708 B CN111654708 B CN 111654708B
Authority
CN
China
Prior art keywords
motion vector
algorithm
updated
current block
prediction
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.)
Active
Application number
CN202010509219.XA
Other languages
English (en)
Other versions
CN111654708A (zh
Inventor
雷萌
罗法蕾
王苫社
马思伟
贾冠楠
徐丽莉
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.)
Peking University
China Mobile Communications Group Co Ltd
MIGU Culture Technology Co Ltd
Original Assignee
Peking University
China Mobile Communications Group Co Ltd
MIGU Culture 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 Peking University, China Mobile Communications Group Co Ltd, MIGU Culture Technology Co Ltd filed Critical Peking University
Priority to CN202010509219.XA priority Critical patent/CN111654708B/zh
Publication of CN111654708A publication Critical patent/CN111654708A/zh
Application granted granted Critical
Publication of CN111654708B publication Critical patent/CN111654708B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • H04N19/50—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding
    • H04N19/503—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding involving temporal prediction
    • H04N19/51—Motion estimation or motion compensation
    • H04N19/56—Motion estimation with initialisation of the vector search, e.g. estimating a good candidate to initiate a search
    • 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
    • H04N19/503—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding involving temporal prediction
    • H04N19/51—Motion estimation or motion compensation
    • H04N19/513—Processing of motion vectors
    • 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
    • H04N19/503—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding involving temporal prediction
    • H04N19/51—Motion estimation or motion compensation
    • H04N19/577—Motion compensation with bidirectional frame interpolation, i.e. using B-pictures
    • 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
    • H04N19/593—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding involving spatial prediction techniques

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Compression Or Coding Systems Of Tv Signals (AREA)

Abstract

本发明实施例提供一种运动矢量获取方法、装置及电子设备，涉及视频处理技术领域，以解决帧间编码性能低的问题。该方法包括：利用所述运动矢量细化算法，获得当前块用于帧间预测的运动矢量偏移值；利用所述运动矢量偏移值，对所述当前块用于帧间预测的已有的运动矢量进行更新，获得更新后的运动矢量；存储所述更新后的运动矢量。

Description

一种运动矢量获取方法、装置及电子设备
技术领域
本发明涉及数字信号处理领域，尤其涉及一种运动矢量获取方法、装置及电子设备。
背景技术
在目前的视频编码技术中，主要通过去除空间冗余、时间冗余或码冗余来实现压缩，编码器可将多种算法进行结合，以达到较高的压缩性能。预测的原理主要是利用视频信号在空域和时域上的相关性，进行运动搜索找寻相似块，并通过运动矢量来获取相似块。但是，现有的方案中，预测性能较低。
发明内容
本发明实施例提供一种运动矢量获取方法、装置及电子设备。
本发明实施例是这样实现的：
第一方面，本发明实施例提供了一种运动矢量获取方法，包括：
利用所述运动矢量细化算法，获得当前块用于帧间预测的运动矢量偏移值；
利用所述运动矢量偏移值，对所述当前块用于帧间预测的已有的运动矢量进行更新，获得更新后的运动矢量；
存储所述更新后的运动矢量。
第二方面，本发明实施例还提供一种运动矢量获取装置，包括：
第一获取模块，用于利用所述运动矢量细化算法，获得当前块用于帧间预测的运动矢量偏移值；
第二获取模块，用于利用所述运动矢量偏移值，对所述当前块用于帧间预测的已有的运动矢量进行更新，获得更新后的运动矢量；
存储模块，用于存储所述更新后的运动矢量。
第三方面，本发明实施例还提供一种电子设备，包括处理器、存储器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现如第一方面所述的运动矢量获取方法的步骤。
第四方面，本发明实施例还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现上述第一方面所述的运动矢量获取方法的步骤。
在本发明实施例中，利用所述运动矢量细化算法，获得当前块用于帧间预测的运动矢量偏移值；利用所述运动矢量偏移值，对所述当前块用于帧间预测的已有的运动矢量进行更新，获得更新后的运动矢量；存储所述更新后的运动矢量。利用所述运动矢量偏移值，对所述当前块用于帧间预测的已有的运动矢量进行更新，并将更新后的运动矢量进行存储，后续能够提升帧间预测的性能。
附图说明
图1是本发明实施例提供的运动矢量获取方法的流程图；
图2a是本发明实施例提供的当前块的空域运动矢量预测位置示意图；
图2b是本发明实施例提供的当前块的时域运动矢量预测位置示意图；
图3是本发明实施例提供的DMVR算法原理示意图；
图4是本发明实施例提供的BIO算法原理示意图；
图5a是本发明实施例提供的时域运动矢量存储示意图之一；
图5b是本发明实施例提供的时域运动矢量存储示意图之二；
图5c是本发明实施例提供的时域运动矢量存储示意图之三；
图6是本发明实施例提供的运动矢量获取装置的结构图；
图7是本发明实施例提供的电子设备的结构图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
参见图1，图1是本发明实施例提供的运动矢量获取方法的流程图之一，如图1所示，本实施例提供一种运动矢量获取方法，应用于电子设备，包括以下步骤：
步骤101、利用所述运动矢量细化算法，获得当前块用于帧间预测的运动矢量偏移值。
所述运动矢量细化算法包括双向光流(Bi-directional Optical flow，简称BIO)算法、解码端运动矢量导出(Decoder side motion vector refinement，简称DMVR)算法、帧速率上转换(Frame Rate Up-Conversion，简称FRUC)算法或模板匹配算法中的至少一个。
若当前块采用双向预测模式，则可确定运动矢量细化算法为BIO算法，然后基于BIO算来获得当前块用于帧间预测的运动矢量偏移值；若当前块采用双向预测模式，且当前块的块大小小于64*64，则可确定运动矢量细化算法为DMVR算法，然后基于DMVR算来获得当前块用于帧间预测的运动矢量偏移值。
在本申请中，DMVR算法使用于帧间预测SKIP模式或DIRECT模式的双向预测块，BIO算法使用于帧间预测双向预测模式块。
步骤102、利用所述运动矢量偏移值，对所述当前块用于帧间预测的已有的运动矢量进行更新，获得更新后的运动矢量。
在获得运动矢量偏移值之后，将运动矢量偏移值与已有的运动矢量进行叠加，即利用运动矢量偏移值对已有的运动矢量进行校正，以获得更新后的运动矢量，更新后的运动矢量更加精确。
所述当前块用于帧间预测的已有的运动矢量包括：当前块与位于前向参考帧的参考块之间的运动矢量和当前块与后向参考帧的参考块之间的运动矢量。
步骤103、存储所述更新后的运动矢量。
将更新后的运动矢量进行存储，则后续使用更新后的运动矢量进行空域运动矢量预测、时域运动矢量预测或去方块滤波等操作，可提升帧间预测性能。
本实施例中，利用所述运动矢量细化算法，获得当前块用于帧间预测的运动矢量偏移值；利用所述运动矢量偏移值，对所述当前块用于帧间预测的已有的运动矢量进行更新，获得更新后的运动矢量；存储所述更新后的运动矢量。利用所述运动矢量偏移值，对所述当前块用于帧间预测的已有的运动矢量进行更新，并将更新后的运动矢量进行存储，以便后续使用更新后的运动矢量进行空域运动矢量预测、时域运动矢量预测或去方块滤波等操作，提升帧间预测性能。
在本申请一个实施例中，在步骤103、所述存储所述更新后的运动矢量之后，还包括：利用所述更新后的运动矢量，进行空域运动矢量预测、时域运动矢量预测和去方块滤波中的一项或多项处理。
即在所述存储所述更新后的运动矢量之后，进行如下一项操作：
利用所述更新后的运动矢量进行空域运动矢量预测、时域运动矢量预测和去方块滤波；
利用所述更新后的运动矢量进行时域运动矢量预测；
利用所述更新后的运动矢量进行空域运动矢量预测；
利用所述更新后的运动矢量进行运动矢量去方块滤波处理；
利用所述更新后的运动矢量进行时域运动矢量预测和去块滤波处理；
利用所述更新后的运动矢量进行空域运动矢量预测和去块滤波处理；
利用所述更新后的运动矢量进行时域运动矢量预测和空域运动矢量预测。
使用更新后的运动矢量进行运动矢量预测(包括时域运动矢量预测和空域运动矢量预测)和去方块滤波，运动矢量的导出方式有时域和空域。如图2a所示为六个空域运动矢量导出位置，分别为A、B、C、D、F和G所示位置，E为当前块，如图2b所示为一个时域运动矢量导出位置，图中箭头所指位置为时域运动矢量导出位置。利用所述更新后的运动矢量按照一定规则可导出上述位置中的运动矢量进行运动矢量的预测。
本实施例中，使用更新后的运动矢量替换已有的运动矢量，来进行空域运动矢量预测、时域运动矢量预测和去方块滤波等操作，可以进一步提升运动矢量预测的性能。
在本申请一个实施例中，在步骤101、利用所述运动矢量细化算法，获得当前块用于帧间预测的运动矢量偏移值之前，还包括：
根据所述当前块，确定运动矢量细化算法。
在本实施例中，可根据当前块来确定具体的运动矢量细化算法，例如，若当前块采用帧间预测SKIP模式或DIRECT模式的双向预测块，则运动矢量细化算法可采用DMVR算法；若当前块采用帧间预测双向预测模式块，则运动矢量细化算法可为BIO算法。
例如，若当前块的块大小小于64*64，且编码的视频采用双向预测模式，则运动矢量细化算法可采用DMVR算法；若编码的视频采用双向预测模式，则运动矢量细化算法可采用BIO算法，例如，以4*4的子块为单位使用光流法计算当前块的运动矢量偏移值。
在本申请一个实施例中，所述利用所述运动矢量细化算法，获得所述当前块用于帧间预测的所述运动矢量偏移值，包括：
若所述运动矢量细化算法包括DMVR算法，则根据所述DMVR算法获得所述当前块用于帧间预测的所述运动矢量偏移值。
具体的，可根据当前块是否满足第一条件来确定运动矢量细化算法是否包括DMVR算法，第一条件包括当前块的块大小小于64*64，且当前块采用SKIP模式或者DIRECT模式的双向预测模式，第一条件也可包括当前块的块大小在8*8及以上，且当前块采用SKIP模式或者DIRECT模式的双向预测模式。在当前块满足第一条件时，确定对所述当前块使用DMVR算法进行处理。
如图3所示，为DMVR算法获取运动矢量偏移值的原理图，其中L所示为当前帧，P所示为当前块，L0所示为前向参考帧，L1所示为后向参考帧。若当前块的块大小为大于8*8的块，则DMVR算法处理的子块单元的块大小为16*16，当前块可包括多个子块。DMVR对所有子块采用同样的操作，例如，当前编码块(即当前块)大小为32x32，则当前编码块会被分为4个16x16的DMVR子块，对这四个子块采用相同的操作。
以当前块为例，在前向参考帧(即当前帧的上一帧)中当前块所对应的参考块周围两圈像素点范围内移动，每移动一个像素得到一个新的子块，在后向参考帧上偏移对称的像素同样得到一个子块，计算这两个子块之间的像素差的平方和。移动完两圈像素点范围内所有的像素点后，取两个子块之间像素差的平方和最小的子块位置，若子块P1和子块P2在如图3所示位置处时，像素差的平方和最小，则运动矢量偏移值为MVdiff和-MVdiff。已有的运动矢量为MV0和MV1，添加偏移后的运动矢量MV0’和MV1’为更新后的运动矢量。进一步地，利用更新后的运动矢量进行运动补偿，获得当前块的预测块。
在本申请一个实施例中，所述利用所述运动矢量细化算法，获得所述当前块用于帧间预测的所述运动矢量偏移值，包括：
若所述运动矢量细化算法包括BIO算法且不包括DMVR算法，则根据所述BIO算法获得所述当前块用于帧间预测的所述运动矢量偏移值。
具体的，可根据当前块是否满足第二条件来确定运动矢量细化算法是否包括BIO算法，第二条件包括当前块采用双向预测模式，或者，第二条件包括当前块采用双向预测模式，且当前块的块大小不大于128*128。
若所述当前块不满足第一条件，且所述当前块满足第二条件，则对所述当前块使用BIO算法进行处理，获得所述当前块用于帧间预测的运动矢量偏移值。
如图4所述的BIO算法原理解析图，图4中，f0为当前帧L的前向参考帧，f1为当前帧L的后向参考帧，t0为前向参考帧f0与当前帧L之间的时间差，t1为后向参考帧f1与当前帧L之间的时间差。(MVx0，MVy0)是由当前帧L指向前向参考帧f0的原始运动矢量。(MVx1，MVy1)是由当前帧L指向后向参考帧f1的原始运动矢量。
在本申请一个实施例中，所述利用所述运动矢量偏移值，对所述当前块用于帧间预测的已有的运动矢量进行更新，获得更新后的运动矢量，包括：
根据运动矢量偏移值和所述已有的运动矢量，获得中间运动矢量；
将所述中间运动矢量偏移预设参数值，获得所述更新后的运动矢量。
具体的，将运动矢量偏移值和已有的运动矢量进行叠加，获得中间运动矢量，使用BIO算法细化后的运动矢量进行运动矢量的更新时，需要对细化后的运动矢量(即中间运动矢量)进行进一步处理，即将所述中间运动矢量偏移预设参数值，例如偏移7到9位，获得所述更新后的运动矢量。
所述将所述中间运动矢量偏移预设参数值，获得所述更新后的运动矢量，包括：将所述中间运动矢量对应的数值除以2N，获得所述更新后的运动矢量，其中，N∈[7,9]，优选的，N取8。
若中间运动矢量为(Vx_BIO，Vy_BIO)，N取8，则将中间运动矢量的Vx_BIO，Vy_BIO分别除以28，获得更新后的运动矢量，更新后的运动矢量的第一坐标Vx_BIO’＝Vx_BIO/28，Vx_BIO/28也可以表示为Vx_BIO>>8，“>>”表示右移，右移8位即将Vx_BIO除以28；更新后的运动矢量的第二坐标Vy_BIO’＝Vy_BIO/28，Vy_BIO/28也可表示为Vy_BIO>>8，则前向参考帧更新后的运动矢量为(Vx+Vx_BIO’，Vy+Vy_BIO’)，后向参考帧更新后的运动矢量为(Vx-Vx_BIO’，Vy-Vy_BIO’)。
在本申请一个实施例中，在所述利用所述运动矢量偏移值，对所述当前块用于帧间预测的已有的运动矢量进行更新，获得更新后的运动矢量之后，还包括：
对所述当前块基于所述更新后的运动矢量进行运动补偿，获得所述当前块对应的预测块。
在本申请一个实施例中，存储所述更新后的运动矢量的存储单元包括时域存储单元和空域存储单元。
以AVS3为例，AVS3中的空域运动矢量存储块(即空域存储单元)大小为4*4，时域运动矢量存储块(即时域存储单元)大小为16*16。对于空域，每16*16或8*8范围内存储同样的通过DMVR算法获得的更新后的运动矢量，将采用BIO算法获得的更新后的运动矢量直接存储于空域运动矢量存储块大小为4*4的子块中。对于时域存储，将采用DMVR算法获得的更新后的运动矢量直接存储于时域，将采用BIO算法获得的所述更新后的运动矢量以16*16块大小进行存储，并使用更新后的运动矢量进行运动矢量预测和去方块滤波。如图5a所示，以编码块大小16x16为例，取(8，8)位置子块的运动矢量存于时域16x16的所有子块集合存储空间内。
在本申请一个实施例中，所述存储所述更新后的运动矢量，包括：
按照所述当前块的运动矢量存储单元的大小，对所述当前块的运动矢量存储单元存储的信息采用所述更新后的运动矢量进行更新。
对于使用了运动矢量细化算法的块，将子块的集合对应的运动矢量存储单元存储的信息，采用所述更新后的运动矢量进行更新，子块的集合对应的运动矢量存储单元即当前块对应的运动矢量存储单元。若当前块未使用运动矢量细化算法，则不对运动矢量存储单元中的信息进行更新，按运动细化当前块的大小对子块集合进行运动信息存储的更新，按子块运动矢量存储单元的大小对运动矢量存储进行更新。
表1是本实施例第三代国家数字视频编解码技术标准(即AVS3，Audio Videocoding Standard简称AVS)部分测试序列的测试结果，测试配置为Random Access，测试时间为2s，测试QP为27，32，38，46。评价的标准为Bjontegaard提出的BD-rate计算方法。从表1可以看出，本申请可以在复杂度几乎不发生变换情况下有效提升编码性能。
表1
Figure BDA0002527810670000081
本申请中的运动矢量获取方法可以实现在保持编解码复杂度不变，硬件存储几乎不影响的情况下，大幅提升了帧间预测的编码效率，带来了编码增益。
DMVR算法和BIO算法均可用于帧间双向预测中，在常规的运动补偿之后使用，目的是通过一定范围内的运动偏移来对运动矢量进行改进，获得更加准确的双向预测块。DMVR原理图如图3，图3中MVdiff和-MVdiff为运动偏移量，在双向预测中，两个参考帧上的运动偏移是对称的。DMVR算法可以是以8x8或16x16的不重叠子块为单位执行，即在一个执行单元内每个4x4块共享同样的运动偏移。
BIO技术利用光流原理对双向预测后的剩余运动进行运动补偿。具体地，BIO算法将对前后向参考帧上的预测块的每一个像素分别计算x方向和y方向的梯度值。并依据像素值及梯度值计算每个像素的计算因子。BIO算法以4x4为单位进行计算，利用上述计算因子进一步可计算得到运动偏移，4x4子块内的每个像素共享运动偏移。BIO原理图如图4，其中的(vxτ0，vyτ0)和(vxτ1，vyτ1)即为运动矢量偏移，每个4x4不重叠块有一组运动矢量偏移。使用DMVR和BIO技术得到运动偏移后会再次进行运动补偿，如图3中所示，DMVR会得到两个新的预测块。
DMVR和BIO通过对运动矢量进行细化，获取更精准的预测位置，可以大幅提升双向预测的性能，在本申请中将DMVR和BIO更新后的运动矢量进行存储，用于后续的运动矢量预测和去方块滤波。
DMVR中每个8x8或16x16块共享运动偏移，若空域运动矢量存储时以4x4为单位，则获得DMVR的运动偏移
Figure BDA0002527810670000091
后,每个8x8或16x16块内的所有4x4块共享运动偏移。若原运动矢量为(MVx,MVy)，则更新后前向参考帧上的运动矢量为
Figure BDA0002527810670000092
后向参考帧上的
Figure BDA0002527810670000093
BIO中每4x4单元共享一组运动矢量偏移，BIO的运动矢量偏移可以直接与空域存储空间对应。同样地，若BIO的运动矢量偏移为
Figure BDA0002527810670000094
则更新后前向参考帧上的运动矢量为
Figure BDA0002527810670000095
后向参考帧上的
Figure BDA0002527810670000096
若在进行矢量偏移计算时，使用了DMVR，则运动矢量由DMVR的运动偏移更新得到，不再使用BIO的运动偏移进行更新。若不使用DMVR但使用BIO，则运动矢量由BIO的运动偏移更新得到。若两者都不使用，则无需更新运动矢量。
更新后的运动矢量以4x4为单位存储在空域运动矢量存储(即空域存储单元)中，以用于后续的空域运动矢量预测和去方块滤波中的一种或多种，时域中可存储原始未经DMVR和BIO更新的运动矢量，即不采用所述更新后的运动矢量对时域存储单元中存储的已有运动矢量进行更新，以在兼顾帧间预测性能的同时，降低更新过程的资源开销。
由于存储所述更新后的运动矢量会增加硬件上的时延，本申请实施例提供两种存储方式，包括：跨编码树单元(Coding Tree Unit，简称CTU)存储所述更新后的运动矢量和跨所述CTU行存储所述更新后的运动矢量。
如图5b是本发明实施例提供的时域运动矢量存储示意图，具体为跨CTU存储所述更新后的运动矢量示意图。若一个CTU内部存储未更新的原始运动矢量，则一个CTU内部的编码单元(Coding Unit，简称CU)在空域运动矢量导出时使用的是未更新的运动矢量。若邻域用于导出运动矢量的存储块位于不同的CTU中，则使用的是更新后的运动矢量。存储方式如图5b所示，标号11表示编码一个CTU，标号12表示使用更新后的运动矢量更新当前CTU的边界的CU存储，标号13表示编码下一个CTU。
图5c是本发明实施例提供的时域运动矢量存储示意图，具体为跨CTU行存储所述更新后的运动矢量。若同一CTU行内的CU使用的未所述更新后的运动矢量进行空域运动矢量导出。若邻域用于导出运动矢量的存储块位于不同的CTU行中，则使用的是更新后的运动矢量。存储方式如图5c所示，标号21表示编码一行CTU，标号22表示更新当前CTU行边界CU的存储，标号23表示编码下一行CTU。
图5b和图5c的更新过程可针对空域运动矢量存储单元，而时域运动矢量存储单元仍存储未更新的运动矢量，去方块滤波过程的运动矢量与空域存储一致。
测试环境：CPU:Intel Xeon E5-2697A；
操作系统：Linux redhat 7.3 64bit；
测试条件：AVS3通测条件，测试配置：RA配置；
测试结果，anchor均为HPM7.0。
表2所示为基于无限制的运动矢量存储更新的测试结果，表3为基于跨CTU存储所述更新后的运动矢量更新的测试结果，表4为基于跨CTU行存储所述更新后的运动矢量的测试结果。
表2
Figure BDA0002527810670000101
表3
Figure BDA0002527810670000111
表4
Figure BDA0002527810670000112
根据上述测试结果可知，使用DMVR和BIO细化的运动矢量更新运动矢量存储，在跨CTU或跨CTU行情形下更新原有运动矢量存储对硬件较为友好，该更新过程在不增加复杂度的情况下有一定性能提升。
本申请利用DMVR和BIO技术产生的运动矢量偏移生成新的运动矢量，并使用新的运动矢量更新运动矢量存储。更新的运动矢量将用于后续的空域时域运动矢量预测和去方块滤波中的一项或多项中，可提升运动矢量预测的性能。实验结果表明本申请中的方法可以在不增加编解码复杂度的情况下提升性能，其中RA：-0.66％。
参见图6，图6是本发明实施例提供的运动矢量获取装置的结构图，如图6所示，运动矢量获取装置600，包括：
第一获取模块，用于利用所述运动矢量细化算法，获得当前块用于帧间预测的运动矢量偏移值；
第二获取模块，用于利用所述运动矢量偏移值，对所述当前块用于帧间预测的已有的运动矢量进行更新，获得更新后的运动矢量；
存储模块，用于存储所述更新后的运动矢量。
进一步的，运动矢量获取装置600还包括：
预测模块，用于利用所述更新后的运动矢量，进行空域运动矢量预测、时域运动矢量预测和去方块滤波中的一项或多项处理。
进一步的，运动矢量获取装置600还包括：
确定模块，用于根据所述当前块，确定运动矢量细化算法。
进一步的，第一获取模块，用于：
若所述运动矢量细化算法包括解码端运动矢量导出DMVR算法，则根据所述DMVR算法获得所述当前块用于帧间预测的所述运动矢量偏移值。
进一步的，第一获取模块，用于：
若所述运动矢量细化算法包括双向光流BIO算法且不包括DMVR算法，则根据所述BIO算法获得所述当前块用于帧间预测的所述运动矢量偏移值。
进一步的，所述第二获取模块，包括：
第二获取子模块，用于根据运动矢量偏移值和所述已有的运动矢量，获得中间运动矢量；
第三获取子模块，用于将所述中间运动矢量偏移预设参数值，获得所述更新后的运动矢量。
进一步的，所述第二获取子模块，用于：
将所述中间运动矢量除以2N，获得所述更新后的运动矢量，其中，N∈[7,9]。
进一步的，运动矢量获取装置600还包括第三获取模块，用于：
对所述当前块基于所述更新后的运动矢量进行运动补偿，获得所述当前块对应的预测块。
进一步的，存储所述更新后的运动矢量的存储单元包括时域存储单元和空域存储单元。
进一步的，所述存储模块，用于：
将所述更新后的运动矢量以4x4的大小为单位存储在空域存储单元。
进一步的，所述存储模块还用于：不采用所述更新后的运动矢量对时域存储单元中存储的已有运动矢量进行更新。
进一步的，所述运动矢量细化算法包括双向光流BIO算法、解码端运动矢量导出DMVR算法、帧速率上转换FRUC算法或模板匹配算法中的至少一个。
进一步的，所述存储模块，用于：
跨编码树单元CTU存储所述更新后的运动矢量；
或者，
跨所述CTU行存储所述更新后的运动矢量。
进一步的，所述存储模块，用于：
按照所述当前块的运动矢量存储单元的大小，对所述当前块的运动矢量存储单元存储的信息采用所述更新后的运动矢量进行更新。
运动矢量获取装置600能够实现图1方法实施例中电子设备实现的各个过程，为避免重复，这里不再赘述。
本发明实施例的运动矢量获取装置600，利用所述运动矢量细化算法，获得当前块用于帧间预测的运动矢量偏移值；利用所述运动矢量偏移值，对所述当前块用于帧间预测的已有的运动矢量进行更新，获得更新后的运动矢量；存储所述更新后的运动矢量。利用所述运动矢量偏移值，对所述当前块用于帧间预测的已有的运动矢量进行更新，并将更新后的运动矢量进行存储，以便后续使用更新后的运动矢量进行空域、时域运动矢量预测和去方块滤波等操作，提升帧间预测性能。
图7为实现本发明各个实施例的一种电子设备的硬件结构示意图，如图7所示，该电子设备700包括但不限于：射频单元701、网络模块702、音频输出单元703、输入单元704、传感器705、显示单元706、用户输入单元707、接口单元708、存储器709、处理器710、以及电源711等部件。本领域技术人员可以理解，图7中示出的电子设备结构并不构成对电子设备的限定，电子设备可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。在本发明实施例中，电子设备包括但不限于手机、平板电脑、笔记本电脑、掌上电脑、车载电子设备、可穿戴设备、以及计步器等。
其中，处理器710，用于利用所述运动矢量细化算法，获得当前块用于帧间预测的运动矢量偏移值；
利用所述运动矢量偏移值，对所述当前块用于帧间预测的已有的运动矢量进行更新，获得更新后的运动矢量；
存储所述更新后的运动矢量。
进一步的，处理器710，还用于利用所述更新后的运动矢量，进行空域运动矢量预测时域运动矢量预测和去方块滤波中的一项或多项处理。
进一步的，处理器710，还用于
在确定使用运动矢量细化算法进行运动矢量计算的情况下，根据所述当前块，确定运动矢量细化算法；
利用所述运动矢量细化算法，获得所述当前块用于帧间预测的所述运动矢量偏移值。
进一步的，处理器710，还用于若所述运动矢量细化算法包括解码端运动矢量导出DMVR算法，则根据所述DMVR算法获得所述当前块用于帧间预测的所述运动矢量偏移值。
进一步的，处理器710，还用于若所述运动矢量细化算法包括双向光流BIO算法且不包括DMVR算法，则根据所述BIO算法获得所述当前块用于帧间预测的所述运动矢量偏移值。
进一步的，处理器710，还用于根据运动矢量偏移值和所述已有的运动矢量，获得中间运动矢量；
将所述中间运动矢量偏移预设参数值，获得所述更新后的运动矢量。
进一步的，处理器710，还用于将所述中间运动矢量除以2N，获得所述更新后的运动矢量，其中，N∈[7,9]。
进一步的，存储所述更新后的运动矢量的存储单元包括时域存储单元和空域存储单元。
进一步的，处理器710，还用于将所述更新后的运动矢量以4x4的大小为单位存储在空域存储单元。
进一步的，处理器710，还用于不采用所述更新后的运动矢量对时域存储单元中存储的已有运动矢量进行更新。
进一步的，所述运动矢量细化算法包括双向光流BIO算法、解码端运动矢量导出DMVR算法、帧速率上转换FRUC算法或模板匹配算法中的至少一个。
进一步的，处理器710，还用于跨编码树单元CTU存储所述更新后的运动矢量；或者，跨所述CTU行存储所述更新后的运动矢量。
进一步的，处理器710，还用于按照所述当前块的运动矢量存储单元的大小，对所述当前块的运动矢量存储单元存储的信息采用所述更新后的运动矢量进行更新。
电子设备700能够实现前述实施例中电子设备实现的各个过程，为避免重复，这里不再赘述。
本发明实施例的电子设备700，利用所述运动矢量细化算法，获得当前块用于帧间预测的运动矢量偏移值；利用所述运动矢量偏移值，对所述当前块用于帧间预测的已有的运动矢量进行更新，获得更新后的运动矢量；存储所述更新后的运动矢量。利用所述运动矢量偏移值，对所述当前块用于帧间预测的已有的运动矢量进行更新，并将更新后的运动矢量进行存储，以便后续使用更新后的运动矢量进行空域、时域运动矢量预测和去方块滤波等操作，提升帧间预测性能。
应理解的是，本发明实施例中，射频单元701可用于收发信息或通话过程中，信号的接收和发送，具体的，将来自基站的下行数据接收后，给处理器710处理；另外，将上行的数据发送给基站。通常，射频单元701包括但不限于天线、至少一个放大器、收发信机、耦合器、低噪声放大器、双工器等。此外，射频单元701还可以通过无线通信系统与网络和其他设备通信。
电子设备通过网络模块702为用户提供了无线的宽带互联网访问，如帮助用户收发电子邮件、浏览网页和访问流式媒体等。
音频输出单元703可以将射频单元701或网络模块702接收的或者在存储器709中存储的音频数据转换成音频信号并且输出为声音。而且，音频输出单元703还可以提供与电子设备700执行的特定功能相关的音频输出(例如，呼叫信号接收声音、消息接收声音等等)。音频输出单元703包括扬声器、蜂鸣器以及受话器等。
输入单元704用于接收音频或视频信号。输入单元704可以包括图形处理器(Graphics Processing Unit，GPU)7041和麦克风7042，图形处理器7041对在视频捕获模式或图像捕获模式中由图像捕获装置(如摄像头)获得的静态图片或视频的图像数据进行处理。处理后的图像帧可以显示在显示单元706上。经图形处理器7041处理后的图像帧可以存储在存储器709(或其它存储介质)中或者经由射频单元701或网络模块702进行发送。麦克风7042可以接收声音，并且能够将这样的声音处理为音频数据。处理后的音频数据可以在电话通话模式的情况下转换为可经由射频单元701发送到移动通信基站的格式输出。
电子设备700还包括至少一种传感器707，比如光传感器、运动传感器以及其他传感器。具体地，光传感器包括环境光传感器及接近传感器，其中，环境光传感器可根据环境光线的明暗来调节显示面板7061的亮度，接近传感器可在电子设备700移动到耳边时，关闭显示面板7061和/或背光。作为运动传感器的一种，加速计传感器可检测各个方向上(一般为三轴)加速度的大小，静止时可检测出重力的大小及方向，可用于识别电子设备姿态(比如横竖屏切换、相关游戏、磁力计姿态校准)、振动识别相关功能(比如计步器、敲击)等；传感器707还可以包括指纹传感器、压力传感器、虹膜传感器、分子传感器、陀螺仪、气压计、湿度计、温度计、红外线传感器等，在此不再赘述。
显示单元706用于显示由用户输入的信息或提供给用户的信息。显示单元706可包括显示面板7061，可以采用液晶显示器(Liquid Crystal Display，LCD)、有机发光二极管(Organic Light-Emitting Diode,OLED)等形式来配置显示面板7061。
用户输入单元707可用于接收输入的数字或字符信息，以及产生与电子设备的用户设置以及功能控制有关的键信号输入。具体地，用户输入单元707包括触控面板7071以及其他输入设备7072。触控面板7071，也称为触摸屏，可收集用户在其上或附近的触摸操作(比如用户使用手指、触笔等任何适合的物体或附件在触控面板7071上或在触控面板7071附近的操作)。触控面板7071可包括触摸检测装置和触摸控制器两个部分。其中，触摸检测装置检测用户的触摸方位，并检测触摸操作带来的信号，将信号传送给触摸控制器；触摸控制器从触摸检测装置上接收触摸信息，并将它转换成触点坐标，再送给处理器710，接收处理器710发来的命令并加以执行。此外，可以采用电阻式、电容式、红外线以及表面声波等多种类型实现触控面板7071。除了触控面板7071，用户输入单元707还可以包括其他输入设备7072。具体地，其他输入设备7072可以包括但不限于物理键盘、功能键(比如音量控制按键、开关按键等)、轨迹球、鼠标、操作杆，在此不再赘述。
进一步的，触控面板7071可覆盖在显示面板7061上，当触控面板7071检测到在其上或附近的触摸操作后，传送给处理器710以确定触摸事件的类型，随后处理器710根据触摸事件的类型在显示面板7061上提供相应的视觉输出。虽然在图7中，触控面板7071与显示面板7061是作为两个独立的部件来实现电子设备的输入和输出功能，但是在某些实施例中，可以将触控面板7071与显示面板7061集成而实现电子设备的输入和输出功能，具体此处不做限定。
接口单元708为外部装置与电子设备700连接的接口。例如，外部装置可以包括有线或无线头戴式耳机端口、外部电源(或电池充电器)端口、有线或无线数据端口、存储卡端口、用于连接具有识别模块的装置的端口、音频输入/输出(I/O)端口、视频I/O端口、耳机端口等等。接口单元708可以用于接收来自外部装置的输入(例如，数据信息、电力等等)并且将接收到的输入传输到电子设备700内的一个或多个元件或者可以用于在电子设备700和外部装置之间传输数据。
存储器709可用于存储软件程序以及各种数据。存储器709可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据手机的使用所创建的数据(比如音频数据、电话本等)等。此外，存储器709可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
处理器710是电子设备的控制中心，利用各种接口和线路连接整个电子设备的各个部分，通过运行或执行存储在存储器709内的软件程序和/或模块，以及调用存储在存储器709内的数据，执行电子设备的各种功能和处理数据，从而对电子设备进行整体监控。处理器710可包括一个或多个处理单元；优选的，处理器710可集成应用处理器和调制解调处理器，其中，应用处理器主要处理操作系统、用户界面和应用程序等，调制解调处理器主要处理无线通信。可以理解的是，上述调制解调处理器也可以不集成到处理器710中。
电子设备700还可以包括给各个部件供电的电源711(比如电池)，优选的，电源711可以通过电源管理系统与处理器710逻辑相连，从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。
另外，电子设备700包括一些未示出的功能模块，在此不再赘述。
优选的，本发明实施例还提供一种电子设备，包括处理器710，存储器709，存储在存储器709上并可在所述处理器710上运行的计算机程序，该计算机程序被处理器710执行时实现上述运动矢量获取方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。
本发明实施例还提供一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，该计算机程序被处理器执行时实现上述图1或图2所示运动矢量获取方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。其中，所述的计算机可读存储介质，如只读存储器(Read-Only Memory，简称ROM)、随机存取存储器(RandomAccess Memory，简称RAM)、磁碟或者光盘等。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例所述的方法。
上面结合附图对本发明的实施例进行了描述，但是本发明并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本发明的启示下，在不脱离本发明宗旨和权利要求所保护的范围情况下，还可做出很多形式，均属于本发明的保护之内。

Claims (26)

1.一种运动矢量获取方法，应用于电子设备，其特征在于，包括：
根据当前块，确定运动矢量细化算法，其中，当当前块采用帧间预测SKIP模式或DIRECT模式的双向预测模式，且当前块的块大小小于64*64时，则确定运动矢量细化算法为DMVR算法；
利用所述运动矢量细化算法，获得当前块用于帧间预测的运动矢量偏移值；
利用所述运动矢量偏移值，对所述当前块用于帧间预测的已有的运动矢量进行更新，获得更新后的运动矢量；
存储所述更新后的运动矢量；
若所述运动矢量细化算法包括解码端运动矢量导出DMVR算法，则根据所述DMVR算法获得所述当前块用于帧间预测的所述运动矢量偏移值，包括：
在前向参考帧中当前块所对应的参考块周围两圈像素点范围内移动，每移动一个像素得到一个新的子块，在后向参考帧上偏移对称的像素同样得到一个子块，计算这两个子块之间的像素差的平方和；
移动完两圈像素点范围内所有的像素点后，取所述两个子块之间的像素差的平方和最小的子块位置，当像素差的平方和最小时，所述运动矢量偏移值为MVdiff和-MVdiff。
2.根据权利要求1所述的方法，其特征在于，在所述存储所述更新后的运动矢量之后，还包括：
利用所述更新后的运动矢量，进行空域运动矢量预测、时域运动矢量预测和去方块滤波中的一项或多项处理。
3.根据权利要求1所述的方法，其特征在于，所述利用所述运动矢量细化算法，获得所述当前块用于帧间预测的所述运动矢量偏移值，包括：
若所述运动矢量细化算法包括双向光流BIO算法且不包括DMVR算法，则根据所述BIO算法获得所述当前块用于帧间预测的所述运动矢量偏移值。
4.根据权利要求3所述的方法，其特征在于，所述利用所述运动矢量偏移值，对所述当前块用于帧间预测的已有的运动矢量进行更新，获得更新后的运动矢量，包括：
根据运动矢量偏移值和所述已有的运动矢量，获得中间运动矢量；
将所述中间运动矢量偏移预设参数值，获得所述更新后的运动矢量。
5.根据权利要求4所述的方法，其特征在于，所述将所述中间运动矢量偏移预设参数值，获得所述更新后的运动矢量，包括：
将所述中间运动矢量对应的数值 除以2N，获得所述更新后的运动矢量，其中，N∈[7,9]。
6.根据权利要求1所述的方法，其特征在于，在所述利用所述运动矢量偏移值，对所述当前块用于帧间预测的已有的运动矢量进行更新，获得更新后的运动矢量之后，还包括：
对所述当前块基于所述更新后的运动矢量进行运动补偿，获得所述当前块对应的预测块。
7.根据权利要求1所述的方法，其特征在于，存储所述更新后的运动矢量的存储单元包括时域存储单元和空域存储单元。
8.根据权利要求1所述的方法，其特征在于，所述存储所述更新后的运动矢量，包括：
将所述更新后的运动矢量以4x4的大小为单位存储在空域存储单元。
9.根据权利要求8所述的方法，其特征在于，所述存储所述更新后的运动矢量，包括：
不采用所述更新后的运动矢量对时域存储单元中存储的已有运动矢量进行更新。
10.根据权利要求1所述的方法，其特征在于，所述运动矢量细化算法包括双向光流BIO算法、解码端运动矢量导出DMVR算法、帧速率上转换FRUC算法或模板匹配算法中的至少一个。
11.根据权利要求1所述的方法，其特征在于，所述存储所述更新后的运动矢量，包括：
跨编码树单元CTU存储所述更新后的运动矢量；
或者，
跨所述CTU行存储所述更新后的运动矢量。
12.根据权利要求1所述的方法，其特征在于，所述存储所述更新后的运动矢量，包括：
按照所述当前块的运动矢量存储单元的大小，对所述当前块的运动矢量存储单元存储的信息采用所述更新后的运动矢量进行更新。
13.一种运动矢量获取装置，其特征在于，包括：
确定模块，用于根据当前块，确定运动矢量细化算法；其中，当当前块采用帧间预测SKIP模式或DIRECT模式的双向预测模式，且当前块的块大小小于64*64时，则确定运动矢量细化算法为DMVR算法；
第一获取模块，用于利用所述运动矢量细化算法，获得当前块用于帧间预测的运动矢量偏移值；
第二获取模块，用于利用所述运动矢量偏移值，对所述当前块用于帧间预测的已有的运动矢量进行更新，获得更新后的运动矢量；
存储模块，用于存储所述更新后的运动矢量；
第一获取模块，用于：
若所述运动矢量细化算法包括解码端运动矢量导出DMVR算法，则根据所述DMVR算法获得所述当前块用于帧间预测的所述运动矢量偏移值，包括：
在前向参考帧中当前块所对应的参考块周围两圈像素点范围内移动，每移动一个像素得到一个新的子块，在后向参考帧上偏移对称的像素同样得到一个子块，计算这两个子块之间的像素差的平方和；
移动完两圈像素点范围内所有的像素点后，取所述两个子块之间的像素差的平方和最小的子块位置，当像素差的平方和最小时，所述运动矢量偏移值为MVdiff和-MVdiff。
14.根据权利要求13所述的装置，其特征在于，还包括：
预测模块，用于利用所述更新后的运动矢量，进行空域运动矢量预测、时域运动矢量预测和去方块滤波中的一项或多项处理。
15.根据权利要求13所述的装置，其特征在于，所述第一获取模块，用于：
若所述运动矢量细化算法包括双向光流BIO算法且不包括DMVR算法，则根据所述BIO算法获得所述当前块用于帧间预测的所述运动矢量偏移值。
16.根据权利要求15所述的装置，其特征在于，所述第二获取模块，包括：
第一获取子模块，用于根据运动矢量偏移值和所述已有的运动矢量，获得中间运动矢量；
第二获取子模块，用于将所述中间运动矢量偏移预设参数值，获得所述更新后的运动矢量。
17.根据权利要求16所述的装置，其特征在于，所述第二获取子模块，用于：
将所述中间运动矢量对应的数值除以2N，获得所述更新后的运动矢量，其中，N∈[7,9]。
18.根据权利要求13所述的装置，其特征在于，还包括第三获取模块，用于：
对所述当前块基于所述更新后的运动矢量进行运动补偿，获得所述当前块对应的预测块。
19.根据权利要求13所述的装置，其特征在于，存储所述更新后的运动矢量的存储单元包括时域存储单元和空域存储单元。
20.根据权利要求13所述的装置，其特征在于，所述存储模块，用于：
将所述更新后的运动矢量以4x4的大小为单位存储在空域存储单元。
21.根据权利要求20所述的装置，其特征在于，所述存储模块还用于：不采用所述更新后的运动矢量对时域存储单元中存储的已有运动矢量进行更新。
22.根据权利要求13所述的装置，其特征在于，所述运动矢量细化算法包括双向光流BIO算法、解码端运动矢量导出DMVR算法、帧速率上转换FRUC算法或模板匹配算法中的至少一个。
23.根据权利要求13所述的装置，其特征在于，所述存储模块，用于：
跨编码树单元CTU存储所述更新后的运动矢量；
或者，
跨所述CTU行存储所述更新后的运动矢量。
24.根据权利要求13所述的装置，其特征在于，所述存储模块，用于：
按照所述当前块的运动矢量存储单元的大小，对所述当前块的运动矢量存储单元存储的信息采用所述更新后的运动矢量进行更新。
25.一种电子设备，其特征在于，包括处理器.存储器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现如权利要求1至12中任一项所述的运动矢量获取方法的步骤。
26.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至12中任一项所述的运动矢量获取方法的步骤。
CN202010509219.XA 2020-06-07 2020-06-07 一种运动矢量获取方法、装置及电子设备 Active CN111654708B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010509219.XA CN111654708B (zh) 2020-06-07 2020-06-07 一种运动矢量获取方法、装置及电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010509219.XA CN111654708B (zh) 2020-06-07 2020-06-07 一种运动矢量获取方法、装置及电子设备

Publications (2)

Publication Number Publication Date
CN111654708A CN111654708A (zh) 2020-09-11
CN111654708B true CN111654708B (zh) 2022-08-23

Family

ID=72350421

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010509219.XA Active CN111654708B (zh) 2020-06-07 2020-06-07 一种运动矢量获取方法、装置及电子设备

Country Status (1)

Country Link
CN (1) CN111654708B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110475116A (zh) * 2019-08-19 2019-11-19 北京大学深圳研究生院 一种运动矢量导出方法、装置及电子设备
CN110740332A (zh) * 2018-07-20 2020-01-31 北京字节跳动网络技术有限公司 基于更新的运动矢量的运动预测
WO2020031059A1 (en) * 2018-08-04 2020-02-13 Beijing Bytedance Network Technology Co., Ltd. Constraints for usage of updated motion information
CN111083491A (zh) * 2018-10-22 2020-04-28 北京字节跳动网络技术有限公司 细化运动矢量的利用

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110740332A (zh) * 2018-07-20 2020-01-31 北京字节跳动网络技术有限公司 基于更新的运动矢量的运动预测
WO2020031059A1 (en) * 2018-08-04 2020-02-13 Beijing Bytedance Network Technology Co., Ltd. Constraints for usage of updated motion information
CN110809155A (zh) * 2018-08-04 2020-02-18 北京字节跳动网络技术有限公司 使用更新的运动信息的限制
CN111083491A (zh) * 2018-10-22 2020-04-28 北京字节跳动网络技术有限公司 细化运动矢量的利用
CN110475116A (zh) * 2019-08-19 2019-11-19 北京大学深圳研究生院 一种运动矢量导出方法、装置及电子设备

Also Published As

Publication number Publication date
CN111654708A (zh) 2020-09-11

Similar Documents

Publication Publication Date Title
CN111835488B (zh) 一种确定天线端口映射方法和终端
CN107846583B (zh) 一种图像阴影补偿方法及移动终端
CN110611627B (zh) 一种信号检测方法和接收端
CN108198150B (zh) 一种图像坏点的消除方法、终端及存储介质
CN108038834B (zh) 一种降低噪声的方法、终端和计算机可读存储介质
CN111401463B (zh) 检测结果输出的方法、电子设备及介质
CN115002463B (zh) 图像处理方法、智能终端及存储介质
CN109816619B (zh) 图像融合方法、装置、终端及计算机可读存储介质
CN110213591B (zh) 一种视频运动估计方法、装置及存储介质
CN107145855B (zh) 一种参考质量模糊图像预测方法、终端及存储介质
CN109683778B (zh) 一种柔性屏控制方法、设备及计算机可读存储介质
CN111008929A (zh) 图像矫正方法及电子设备
CN107610057B (zh) 一种深度图修复方法、终端及计算机可读存储介质
CN111010514B (zh) 一种图像处理方法及电子设备
CN111654708B (zh) 一种运动矢量获取方法、装置及电子设备
US20200053381A1 (en) Motion estimation method, apparatus, and storage medium
CN108304744B (zh) 一种扫描框位置确定方法及移动终端
CN107948571B (zh) 视频录制的方法、装置及计算机可读存储介质
CN108234745B (zh) 一种信号接收方法、移动终端及计算机可读存储介质
CN107544803B (zh) 基于超声波的亮灭屏控制方法、装置及可读存储介质
CN112464831B (zh) 视频分类方法、视频分类模型的训练方法及相关设备
CN110136570B (zh) 一种屏幕显示方法及终端
CN108683856B (zh) 一种拍照方法及终端设备
CN110545560B (zh) 一种切换方法、装置和存储介质
CN107240069B (zh) 一种图像拼接处理方法、移动终端以及计算机可读存储介质

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
GR01 Patent grant
GR01 Patent grant