CN113596442A - 视频处理方法、装置、电子设备及存储介质 - Google Patents
视频处理方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN113596442A CN113596442A CN202110768633.7A CN202110768633A CN113596442A CN 113596442 A CN113596442 A CN 113596442A CN 202110768633 A CN202110768633 A CN 202110768633A CN 113596442 A CN113596442 A CN 113596442A
- Authority
- CN
- China
- Prior art keywords
- coding
- encoding
- sub
- determining
- mode
- 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.)
- Granted
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
- H04N19/10—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
- H04N19/103—Selection of coding mode or of prediction mode
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Compression Or Coding Systems Of Tv Signals (AREA)
Abstract
本公开提供了一种视频处理方法、装置、电子设备及存储介质,涉及计算机技术领域,尤其涉及深度学习、云计算及媒体云等人工智能技术领域。具体实现方案为:确定多种候选编码模式,并获取待处理视频的当前帧图像,对当前帧图像进行采样处理,以得到多个子图像,确定子图像分别基于多种候选编码模式的多种编码信息,根据多种编码信息,从多种候选编码模式之中确定出目标编码模式,以及采用目标选编码模式对当前帧图像进行编码处理。由此,能够在视频处理过程中实现对编码模式的择优选取,有效地简化编码处理逻辑,当采用择优选取的目标选编码模式对当前帧图像进行编码处理时,能够在有效地提升编码效率的基础上,较大程度地提升编码性能。
Description
技术领域
本公开涉及计算机技术领域,尤其涉及深度学习、云计算及媒体云等人工智能技术领域,具体涉及一种视频处理方法、装置、电子设备及存储介质。
背景技术
人工智能是研究使计算机来模拟人的某些思维过程和智能行为(如学习、推理、思考、规划等)的学科,既有硬件层面的技术也有软件层面的技术。人工智能硬件技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理等技术;人工智能软件技术主要包括云计算及媒体云技术、语音识别技术、自然语言处理技术以及机器学习/深度学习、大数据处理技术、知识图谱技术等几大方向。
高效率视频编码(High Efficiency Video Coding,HEVC)是新一代视频编码压缩标准。在同等清晰度下,采用HEVC视频编码压缩标准可以节省将近50%的码率,其具有广泛的应用前景。HEVC视频编码压缩标准通常包括:帧内编码模式和帧间编码模式。
发明内容
本公开提供了一种视频处理方法、装置、电子设备、存储介质及计算机程序产品。
根据本公开的第一方面,提供了一种视频处理方法,包括:确定多种候选编码模式,并获取待处理视频的当前帧图像;对所述当前帧图像进行采样处理,以得到多个子图像;确定所述子图像分别基于所述多种候选编码模式的多种编码信息;根据所述多种编码信息,从所述多种候选编码模式之中确定出目标编码模式;以及采用所述目标选编码模式对所述当前帧图像进行编码处理。
根据本公开的第二方面,提供了一种视频处理装置,包括:第一确定模块,用于确定多种候选编码模式,并获取待处理视频的当前帧图像;采样模块,用于对所述当前帧图像进行采样处理,以得到多个子图像;第二确定模块,用于确定所述子图像分别基于所述多种候选编码模式的多种编码信息;第三确定模块,用于根据所述多种编码信息,从所述多种候选编码模式之中确定出目标编码模式;以及编码模块,用于采用所述目标选编码模式对所述当前帧图像进行编码处理。
根据本公开的第三方面,提供了一种电子设备,包括:至少一个处理器;以及与至少一个处理器通信连接的存储器;其中,存储器存储有可被至少一个处理器执行的指令,指令被至少一个处理器执行,以使至少一个处理器能够执行如第一方面所述的视频处理方法。
根据本公开的第四方面,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,计算机指令用于使计算机执行如第一方面所述的视频处理方法。
根据本公开的第五方面,提供了一种计算机程序产品,包括计算机程序,计算机程序在被处理器执行时实现如第一方面所述的视频处理方法。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案,不构成对本公开的限定。其中:
图1是根据本公开第一实施例的示意图;
图2是根据本公开实施例的编码处理的流程示意图;
图3是根据本公开第二实施例的示意图;
图4是根据本公开实施例中视频处理方法的流程示意图;
图5是根据本公开第三实施例的示意图;
图6是根据本公开第四实施例的示意图;
图7示出了可以用来实施本公开的实施例的视频处理方法的示例电子设备的示意性框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明,其中包括本公开实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本公开的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
图1是根据本公开第一实施例的示意图。
其中,需要说明的是,本实施例的视频处理方法的执行主体为视频处理装置,该装置可以由软件和/或硬件的方式实现,该装置可以配置在电子设备中,电子设备可以包括但不限于终端、服务器端等。
本公开实施例涉及深度学习、云计算及媒体云等人工智能技术领域。
其中,人工智能(Artificial Intelligence),英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。
深度学习是学习样本数据的内在规律和表示层次,这些学习过程中获得的信息对诸如文字,图像和声音等数据的解释有很大的帮助。深度学习的最终目标是让机器能够像人一样具有分析学习能力,能够识别文字、图像和声音等数据。
云计算是分布式计算的一种,指的是通过网络“云”将巨大的数据计算处理程序分解成无数个小程序,然后,通过多部服务器组成的系统进行处理和分析这些小程序得到结果并返回给用户。
媒体云是指基于云计算技术可用于提供媒体服务和应用的新兴媒体服务,用户可以在媒体云中分布式地存储和处理多媒体应用数据。
如图1所示,该视频处理方法包括:
S101:确定多种候选编码模式,并获取待处理视频的当前帧图像。
其中,编码是指通过特定的压缩技术,将某个视频格式的文件转换成另一种视频格式的文件,以适应不同的网络带宽、不同的终端处理能力和不同的用户需求的视频处理技术。
一些应用场景下,为了实现本公开的视频处理方法,可以由HEVC编码器(HEVC编码器支持HEVC视频编码压缩标准)执行本公开实施例的视频处理方法,本公开实施例下述的描述说明可以HEVC编码器进行示例,另外,本公开实施例描述的视频处理方法也可以由其它任意可能的编码器执行,对此不做限制。
其中,在HEVC编码器(HEVC编码器支持HEVC视频编码压缩标准)中,为了适应不同用户的实时性编码需求,HEVC编码器可以提供多种编码模式,上述编码模式可以被称为候选编码模式,而候选编码模式可以例如为帧间编码模式,帧内编码模式等,对此不做限制。
其中,帧间编码模式是指利用视频空间域的相关性,使用同一帧图像内邻近的已编码像素预测当前像素,以达到有效去除视频时域冗余的目的。
其中,帧间编码模式是指利用视频时间域的相关性,使用邻近已编码图像帧像素预测当前帧图像的像素,以达到有效去除视频时域冗余的目的。
其中,当前待对其进行编码处理的视频,可以被称为待处理视频。
待处理视频,可以例如是手机、相机等具备摄像功能的装置拍摄到的实时视频,或者是其它具有拍摄录像功能的电子器件生成的视频,例如针对屏幕录像生成的录屏的视频等,对此不做限制。
其中,待处理视频中可以包含多帧图像,多帧图像组成视频片段或组成完整的视频,待处理视频中当前待对其进行分析处理的一帧图像,可以被称为当前帧图像,对此不做限制。
举例而言,可以通过采用实时监控摄像头结合人工智能AI算法,获取某道路车辆行驶状态的视频作为待处理视频,而后可以对待处理视频进行解析处理,以得到当前帧图像,而后针对待处理视频的当前帧图像,执行本公开实施例中描述的视频处理方法。
S102:对当前帧图像进行采样处理,以得到多个子图像。
上述在确定多种候选编码模式,并获取待处理视频的当前帧图像后,可以对当前帧图像进行采样处理,以得到多个采样处理后的图像,该图像可以被称子图像。
一些实施例中,对当前帧图像进行采样处理,可以是将当前帧图像在水平和垂直方向上进行等间距的分割,即将当前帧图像分割成N*N个局部图像(N可以是正整数),该局部图像可以被称为子图像,该子图像可以在后续视频处理过程中,被作为一个单独的处理单元,从而可以基于该处理单元辅助进行后续的视频处理。
另外一些实施例中,也可以采用任意形状对当前帧图像进行分割采样以得到多个子图像,对此不做限制。
S103:确定子图像分别基于多种候选编码模式的多种编码信息。
其中,在对多个子图像基于多种候选编码模式进行编码处理的过程中,会产生多种编码信息,该编码信息可以被用于描述编码处理过程中所涉及的一些参数的信息,编码信息可以具体例如编码率、编码代价、编码的率失真等,对此不做限制。
上述在对当前帧图像进行采样处理,以得到多个子图像后,可以确定子图像分别基于多种候选编码模式的多种编码信息,也即是说,确定子图像基于各种候选编码模式的编码信息,从而与多种候选编码模式对应有多种编码信息。
举例而言,在确定子图像分别基于多种候选编码模式的多种编码信息时,可以采用预训练的编码信息检测模型来确定,比如将多个子图像输入至预训练的编码信息检测模型中,以得到预训练的编码信息检测模型输出的基于多种候选编码模式的多种编码信息,或着,也可以采用其它任意可能的方式来执行确定子图像分别基于多种候选编码模式的多种编码信息的步骤,对此不做限制。
S104:根据多种编码信息,从多种候选编码模式之中确定出目标编码模式。
上述在确定子图像分别基于多种候选编码模式的多种编码信息后,可以根据多种编码信息,从多种候选编码模式之中确定出编码性能最优的编码模式,以辅助进行后续视频处理过程,其中,上述编码性能最优的编码模式可以被称为目标编码模式。
一些实施例中,可以结合子图像分别基于多种候选编码模式的多种编码信息,对多种候选编码模式进行综合的多方位权衡,以从多种候选编码模式确定出目标编码模式,或者,也可以对子图像分别基于多种候选编码模式的某种编码信息进行对比,以从多种候选编码模式确定出目标编码模式,对此不做限制。
举例而言,可以对子图像分别基于多种候选编码模式的编码代价进行对比,从中选择编码代价最小的编码模式,并将该编码模式作为目标编码模式,对此不做限制。
S105:采用目标选编码模式对当前帧图像进行编码处理。
上述在根据多种编码信息,从多种候选编码模式之中确定出目标编码模式后,可以采用目标选编码模式对当前帧图像进行编码处理。
举例而言,可以一并结合图2针对本实施例作出说明,如图2所示,图2是根据本公开实施例的编码处理的流程示意图,目标编码模式包含帧内编码模式和帧间编码模式两个模式,先执行帧间编码模式,再执行帧内编码模式,即开始进行编码处理后,可以对当前帧图像采用帧间编码模式(2N*2N、N*N)进行帧间编码,计算支持HEVC的编码单元(CodingUnit,CU)在每个帧间编码模式的rdo-cost(rdo-cost是指:在率失真优化策略(RateDistortion Optimized,RDO)下,相应的编码代价cost),选择rdo-cost最小的帧间编码模式作为最优编码模式,并判断最优编码模式对应的编码块标志(code block flag,cbf)是否为0,如果cbf为0,则结束帧间编码处理进程,如果cbf不为0,则采用帧内编码模式对当前帧图像进行编码处理,选择rdo-cost(编码代价)最小的帧内编码模式作为最优编码模式,从而采用上述最优编码模式对当前帧图像进行编码处理。
本实施例中,确定多种候选编码模式,并获取待处理视频的当前帧图像,对当前帧图像进行采样处理,以得到多个子图像,确定子图像分别基于多种候选编码模式的多种编码信息,根据多种编码信息,从多种候选编码模式之中确定出目标编码模式,以及采用目标选编码模式对当前帧图像进行编码处理,由此,能够在视频处理过程中实现对编码模式的择优选取,有效地简化编码处理逻辑,当采用择优选取的目标选编码模式对当前帧图像进行编码处理时,能够在有效地提升编码效率的基础上,较大程度地提升编码性能。
图3是根据本公开第二实施例的示意图。
如图3所示,该视频处理方法包括:
S301:确定多种候选编码模式,并获取待处理视频的当前帧图像。
S302:对当前帧图像进行采样处理,以得到多个子图像。
S301-S302的描述说明可以参见上述实施例,在此不再赘述。
S303:获取多个子图像分别基于帧内编码模式的多个第一编码代价。
上述在对当前帧图像进行采样处理,以得到多个子图像后,可以获取多个子图像分别基于帧内编码模式的多个第一编码代价。
其中,在对多个子图像分别基于帧内编码模式进行编码处理的过程中,可以对多个子图像的在编码过程中分别对应的多个编码代价进行计算,该编码代价即可以被称为第一编码代价。
举例而言,可以视频残差信号大小的衡量标准(Sum of Absolute TransformedDifference,SATD)度量方式,分别对多个子图像基于帧内编码模式的编码代价(satd-cost)进行计算,以得到与多个子图像分别对应的多个编码代价,并将多个编码代价记为多个第一编码代价(Stadintra)。
S304:获取多个子图像分别基于帧间编码模式的多个第二编码代价。
上述在获取多个子图像分别基于帧内编码模式的多个第一编码代价后,可以获取多个子图像分别基于帧间编码模式的多个第二编码代价。
其中,在对多个子图像分别基于帧间编码模式进行编码处理的过程中,可以对多个子图像的在编码过程中分别对应的多个编码代价进行计算,上述多个编码代价即可以被称为第二编码代价。
举例而言,可以SATD度量方式分别对多个子图像基于帧间编码模式的最小编码代价(satd-cost)进行计算,以得到与多个子图像对应的多个编码代价,并将上述多个编码代价记为多个第二编码代价(Stadinter)。
S305:确定第一编码代价和第二编码代价满足设定条件的子图像比例值。
上述在获取多个子图像分别基于帧内编码模式的多个第一编码代价,并获取多个子图像分别基于帧间编码模式的多个第二编码代价后,可以确定第一编码代价和第二编码代价满足设定条件的子图像比例值,该子图像比例值可以在后续的视频处理过程中,用于辅助确定目标编码模式,以实现本实施例描述的视频处理方法。
可选地,一些实施例中,所述确定第一编码代价和第二编码代价满足设定条件的子图像比例值,可以是确定所述第一编码代价小于所述第二编码代价的子图像数量,再将所述子图像数量与所述多个子图像的总数量的比例值作为所述子图像比例值,由此可以准确高效地对子图像比例值进行确定,有效地提升子图像比例值的可参考性,从而可以在视频处理过程中,有效地辅助提升编码效率和编码性能。
也即是说,可以对多个子图像的第一编码代价(Stadintra)和第二编码代价(Stadinter)进行比较,如果第一编码代价(Stadintra)小于所述第二编码代价(Stadinter),则可以确定第一编码代价和第二编码代价满足设定条件(Stadintra<=Stadinter),通过对第一编码代价和第二编码代价满足设定条件(Stadintra<Stadinter)的子图像数量进行累加统计,可以确定第一编码代价小于第二编码代价的子图像数量,并计算上述子图像数量与多个子图像的总数量的比例值,并将计算得到的比例值作为子图像比例值,具体计算方式如下:
Ratiointra=Numintra/(Numintra+Numinter);
其中,Numintra可以用来描述Stadintra<=Stadinter的子图像的数量,Numinter可以用来描述Stadintra>Stadinter的子图像的数量,Ratiointra即为子图像比例值。
S306:确定多个第一编码代价的编码均值,子图像比例值和编码均值被共同作为多种编码信息。
其中,多个子图像分别对应的多个第一编码代价的平均值,可以被称为多个第一编码代价的编码均值。
上述在确定第一编码代价和第二编码代价满足设定条件的子图像比例值后,可以确定多个第一编码代价的编码均值,子图像比例值和编码均值被共同作为多种编码信息。
也即是说,可以计算多个子图像的第一编码代价的平均值,并将前述计算得到的平均值作为多个第一编码代价的编码均值,具体计算方式如下:
AvgSatdintra=TotalStadintra/Numintra/(Numintra+Numinter);
其中,TotalStadintra可以用来表示多个第一编码代价(Stadintra)之和,Numintra可以用来描述Stadintra<=Stadinter的子图像的数量,Numinter可以用来描述Stadintra>Stadinter的子图像的数量,AvgSatdintra即为多个第一编码代价的编码均值。
由此,通过获取多个子图像分别基于帧内编码模式的多个第一编码代价,并获取多个子图像分别基于帧间编码模式的多个第二编码代价,确定第一编码代价和第二编码代价满足设定条件的子图像比例值,再确定多个第一编码代价的编码均值,子图像比例值和编码均值被共同作为多种编码信息,由此,能够更为准确高效地获取需要的编码信息,从而可以有效提升编码信息的客观性和可参考性。
S307:如果子图像比例值大于比例阈值,且编码均值小于编码阈值,则将帧内编码模式和帧间编码模式共同作为目标编码模式。
上述在确定第一编码代价和第二编码代价满足设定条件的子图像比例值,并确定多个第一编码代价的编码均值后,可以将子图像比例值与比例阈值(比例阈值可以用于描述比例的界限范围或临界值,比例阈值可以自适应配置)进行比对,将编码均值与编码阈值(编码阈值可以用于描述编码值的界限范围或临界值,编码阈值可以自适应配置)进行比对,如果子图像比例值大于比例阈值,且编码均值小于编码阈值,则将帧内编码模式和帧间编码模式共同作为目标编码模式。
一些实施例中,在将帧内编码模式和帧间编码模式共同确定为目标编码模式后,可以采用帧内编码模式对当前帧图像进行编码处理,即可以对每个编码单元CU进行编码处理,并计算每个编码单元CU在帧内编码模式的rdo-cost,对每个编码单元CU在帧间编码模式的rdo-cost进行比对,从中选取rdo-cost最小的帧内编码模式作为最优编码模式,并采用上述最优编码模式对当前帧图像进行编码处理。
S308:如果子图像比例值小于或者等于比例阈值,或者编码均值大于或者等于编码阈值,则仅将帧间编码模式作为目标编码模式。
上述在确定第一编码代价和第二编码代价满足设定条件的子图像比例值,并确定多个第一编码代价的编码均值后,可以将子图像比例值与比例阈值(比例阈值可以用于描述比例的界限范围或临界值,比例阈值可以自适应配置)进行比对,将编码均值与编码阈值(编码阈值可以用于描述编码值的界限范围或临界值,编码阈值可以自适应配置)进行比对,如果子图像比例值小于或者等于比例阈值,或者编码均值大于或者等于编码阈值,则可以将帧间编码模式作为目标编码模式,从而触发后续步骤。
由于是结合子图像比例值、比例阈值、编码均值、编码阈值从多种候选编码模式中确定目标编码模式,从而可以快速准确的从多种候选编码模式之中确定出目标编码模式,且使得选取的目标编码模式具有较高的可参考性,其能够有效地适配于实际编码场景中采样得到的子图像的个性化特征需求,同时还能够有效减少编码的计算量,减少编码过程中对计算资源的占用,提升编码效率,解决了编码模式数量较多,导致编码效率低的问题。
S309:采用帧间编码模式对当前帧图像进行编码处理。
上述在将帧间模式作为目标编码模式后,可以采用帧间编码模式对当前帧图像进行编码处理。
S310:确定编码变换单元的目标系数,编码变换单元用于对当前帧图像进行编码处理。
其中,编码变换单元可以是在编码单元CU的基础上划分得到的,该编码变换单元是进行编码处理过程中,被用于对图像进行变换和量化的基本编码单元,可以通过编码变换单元对当前帧图像进行编码处理。
其中,用于指示编码变换单元的亮度块和色度块的系数可以被称为目标系数,目标系数还可以被称为编码块标志(code block flag,cbf),编码块标志cbf的值一般为0或1两种形式,如果编码块标志cbf的值为0,则跳过帧内编码过程,如果编码块标志cbf的值不为0,则采用帧内编码模式对当前帧图像进行编码处理。
也即是说,可以确定编码变换单元的目标系数(编码块标志cbf),而后,可以参考目标系数(编码块标志cbf)选取相应的编码模式。
S311:如果目标系数为设定值,则触发采用帧内编码模式对当前帧图像进行编码处理,设定值不为零。
上述在确定编码变换单元的目标系数(编码块标志cbf)后,可以判断目标系数(编码块标志cbf)是否为设定值,如果目标系数(编码块标志cbf)为设定值,则触发采用帧内编码模式对当前帧图像进行编码处理。
也即是说,如果目标系数(编码块标志cbf)不为0,则可以采用帧内编码模式对当前帧图像进行编码处理。
通过采用帧间编码模式对当前帧图像进行编码处理,在进行编码处理后,确定编码变换单元的目标系数,编码变换单元用于对当前帧图像进行编码处理,由于是结合编码变换单元的目标系数,对编码模式进行选择,从而能够在视频处理过程中,选择出更为适配于当前应用场景的编码模式,从而能够在不影响编码准确性的情况下,尽可能地降低编码的复杂度。
S312:采用待处理视频的下一帧图像对当前帧图像进行更新。
其中,待处理视频中可以包含多帧图像,多帧图像组成视频片段或组成完整的视频,待处理视频中当前待对其进行分析处理的一帧图像,可以被称为当前帧图像,相应的,时间点在当前时间点之后的一帧图像,可以被称为下一帧图像,对此不做限制。
其中,下一帧图像可以被用于对当前帧图像进行更新,即当当前帧图像处理完成后,可以获取待处理视频的下一帧图像,继续执行如本公开实施例描述的对当前帧图像的处理过程,当待处理视频的每一帧图像处理完成时,即可以指示本公开实施例描述的视频处理方法执行完毕,以得到本公开实施例描述的视频处理方法处理得到的视频,由此可以较大程度地保障视频处理过程可以连续进行,从而能够有效地提升视频处理的效率,有效地维持处理得到的视频的连贯性,从而使得处理得到的视频能够有效地适配于实际业务场景的需求。
如图4所示,图4是根据本公开实施例中视频处理方法的流程示意图,其中,在开始阶段,可以对对待处理视频的当前帧图像进行采样处理,以得到多个子图像,后可以计算多个子图像的多个第一编码代价及第二编码代价,并计算第一编码代价和第二编码代价满足设定条件的子图像比例值,及计算多个第一编码代价的编码均值,如果子图像比例值小于比例阈值,且编码均值大于编码阈值,则触发采用帧内编码模式对当前帧图像进行编码处理,如果子图像比例值大于比例阈值,且编码均值小于编码阈值,则触发采用帧间编码模式对当前帧图像进行编码处理,计算每个编码单元的编码代价,选择编码代价最小的编码模式作为最优编码模式,确定最优编码模式的目标系数,如果目标系数为0,则结束视频处理过程,如果目标系数不为0,则触发采用帧内编码模式对当前帧图像进行编码处理,即需要计算每个编码单元的编码代价,选择编码代价最小的编码模式作为最优编码模式,从而完成视频处理过程。
本实施例中,通过确定多种候选编码模式,并获取待处理视频的当前帧图像,对当前帧图像进行采样处理,以得到多个子图像,通过获取多个子图像分别基于帧内编码模式的多个第一编码代价,并获取多个子图像分别基于帧间编码模式的多个第二编码代价,确定第一编码代价和第二编码代价满足设定条件的子图像比例值,再确定多个第一编码代价的编码均值,子图像比例值和编码均值被共同作为多种编码信息,由此,能够更为准确高效地获取需要的编码信息,从而可以有效提升编码信息的客观性和可参考性,由于是结合子图像比例值、比例阈值、编码均值、编码阈值从多种候选编码模式中确定目标编码模式,从而可以快速准确的从多种候选编码模式之中确定出目标编码模式,且使得选取的目标编码模式具有较高的可参考性,其能够有效地适配于实际编码场景中采样得到的子图像的个性化特征需求,同时还能够有效减少编码的计算量,减少编码过程中对计算资源的占用,提升编码效率,解决了编码模式数量较多,导致编码效率低的问题。通过采用帧间编码模式对当前帧图像进行编码处理,在进行编码处理后,确定编码变换单元的目标系数,编码变换单元用于对当前帧图像进行编码处理,由于是结合编码变换单元的目标系数,对编码模式进行选择,从而能够在视频处理过程中,选择出更为适配于当前应用场景的编码模式,较大程度地提升后续的编码处理效果的准确性和可靠性。
图5是根据本公开第三实施例的示意图。
如图5所示,该视频处理装置50,包括:
第一确定模块501,用于确定多种候选编码模式,并获取待处理视频的当前帧图像;
采样模块502,用于对所述当前帧图像进行采样处理,以得到多个子图像;
第二确定模块503,用于确定所述子图像分别基于所述多种候选编码模式的多种编码信息;
第三确定模块504,用于根据所述多种编码信息,从所述多种候选编码模式之中确定出目标编码模式;以及
编码模块505,用于采用所述目标选编码模式对所述当前帧图像进行编码处理。
在本公开的一些实施例中,如图6所示,图6是根据本公开第四实施例的示意图,该视频处理装置60,包括:第一确定模块601、采样模块602、第二确定模块603、第三确定模块604、编码模块605,其中,第二确定模块603,包括:
第一获取子模块6031,用于获取所述多个子图像分别基于所述帧内编码模式的多个第一编码代价;
第二获取子模块6032,用于获取所述多个子图像分别基于所述帧间编码模式的多个第二编码代价;
第一确定子模块6033,用于确定所述第一编码代价和所述第二编码代价满足设定条件的子图像比例值;以及
第二确定子模块6034,用于确定所述多个第一编码代价的编码均值,所述子图像比例值和所述编码均值被共同作为所述多种编码信息。
在本公开的一些实施例中,其中,第三确定模块604,具体用于:
如果所述子图像比例值大于比例阈值,且所述编码均值小于编码阈值,则将所述帧内编码模式和所述帧间编码模式共同作为所述目标编码模式;
如果所述子图像比例值小于或者等于所述比例阈值,或者所述编码均值大于或者等于所述编码阈值,则仅将所述帧间编码模式作为所述目标编码模式。
在本公开的一些实施例中,其中,编码模块605,具体用于:
采用所述帧间编码模式对所述当前帧图像进行编码处理;
在进行所述编码处理后,确定编码变换单元的目标系数,所述编码变换单元用于对所述当前帧图像进行编码处理;
如果所述目标系数为设定值,则触发采用所述帧内编码模式对所述当前帧图像进行编码处理,所述设定值不为零。
在本公开的一些实施例中,其中,第一确定子模块6033,具体用于:
确定所述第一编码代价小于所述第二编码代价的子图像数量;
将所述子图像数量与所述多个子图像的总数量的比例值作为所述子图像比例值。
在本公开的一些实施例中,其中,视频处理装置60,还包括:
更新模块606,用于在所述采用所述目标选编码模式对所述当前帧图像进行编码处理之后,采用所述待处理视频的下一帧图像对所述当前帧图像进行更新。
可以理解的是,本实施例附图6中的视频处理装置60与上述实施例中的视频处理装置50,第一确定模块601与上述实施例中的第一确定模块501,采样模块602与上述实施例中的采样模块502,第二确定模块603与上述实施例中的第二确定模块503,第三确定模块604与上述实施例中的第三确定模块504,编码模块605与上述实施例中的编码模块505可以具有相同的功能和结构。
需要说明的是,前述对视频处理方法的解释说明也适用于本实施例视频处理装置,在此不再赘述。
本实施例中,通过确定多种候选编码模式,并获取待处理视频的当前帧图像,对所述当前帧图像进行采样处理,以得到多个子图像,确定所述子图像分别基于所述多种候选编码模式的多种编码信息,根据所述多种编码信息,从所述多种候选编码模式之中确定出目标编码模式,以及采用所述目标选编码模式对所述当前帧图像进行编码处理,由此,能够在视频处理过程中实现对编码模式的择优选取,有效地简化编码处理逻辑,当采用择优选取的目标选编码模式对当前帧图像进行编码处理时,能够在有效地提升编码效率的基础上,较大程度地提升编码性能。
根据本公开的实施例,本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
图7示出了可以用来实施本公开的实施例的视频处理方法的示例电子设备的示意性框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图7所示,设备700包括计算单元701,其可以根据存储在只读存储器(ROM)702中的计算机程序或者从存储单元708加载到随机访问存储器(RAM)703中的计算机程序,来执行各种适当的动作和处理。在RAM 703中,还可存储设备700操作所需的各种程序和数据。计算单元701、ROM 702以及RAM 703通过总线704彼此相连。输入/输出(I/O)接口705也连接至总线704。
设备700中的多个部件连接至I/O接口705,包括:输入单元706,例如键盘、鼠标等;输出单元707,例如各种类型的显示器、扬声器等;存储单元708,例如磁盘、光盘等;以及通信单元709,例如网卡、调制解调器、无线通信收发机等。通信单元709允许设备700通过诸如因特网的计算机网络和/或各种电信网络与其它设备交换信息/数据。
计算单元701可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元701的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元701执行上文所描述的各个方法和处理,例如视频处理方法。例如,在一些实施例中,视频处理方法可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元707。在一些实施例中,计算机程序的部分或者全部可以经由ROM 702和/或通信单元709而被载入和/或安装到设备700上。当计算机程序加载到RAM 703并由计算单元701执行时,可以执行上文描述的视频处理方法的一个或多个步骤。备选地,在其它实施例中,计算单元701可以通过其它任何适当的方式(例如,借助于固件)而被配置为执行视频处理方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)、互联网及区块链网络。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务("Virtual Private Server",或简称"VPS")中,存在的管理难度大,业务扩展性弱的缺陷。服务器也可以为分布式系统的服务器,或者是结合了区块链的服务器。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本公开公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本公开保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其它因素,可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等,均应包含在本公开保护范围之内。
Claims (15)
1.一种视频处理方法,包括:
确定多种候选编码模式,并获取待处理视频的当前帧图像;
对所述当前帧图像进行采样处理,以得到多个子图像;
确定所述子图像分别基于所述多种候选编码模式的多种编码信息;
根据所述多种编码信息,从所述多种候选编码模式之中确定出目标编码模式;以及
采用所述目标选编码模式对所述当前帧图像进行编码处理。
2.根据权利要求1所述的方法,所述多种候选编码模式包括:帧内编码模式和帧间编码模式,其中,所述确定所述子图像分别基于所述多种候选编码模式的多种编码信息,包括:
获取所述多个子图像分别基于所述帧内编码模式的多个第一编码代价;
获取所述多个子图像分别基于所述帧间编码模式的多个第二编码代价;
确定所述第一编码代价和所述第二编码代价满足设定条件的子图像比例值;以及
确定所述多个第一编码代价的编码均值,所述子图像比例值和所述编码均值被共同作为所述多种编码信息。
3.根据权利要求2所述的方法,其中,所述根据所述多种编码信息,从所述多种候选编码模式之中确定出目标编码模式,包括:
如果所述子图像比例值大于比例阈值,且所述编码均值小于编码阈值,则将所述帧内编码模式和所述帧间编码模式共同作为所述目标编码模式;
如果所述子图像比例值小于或者等于所述比例阈值,或者所述编码均值大于或者等于所述编码阈值,则仅将所述帧间编码模式作为所述目标编码模式。
4.根据权利要求3所述的方法,其中,所述采用所述目标选编码模式对所述当前帧图像进行编码处理,包括:
采用所述帧间编码模式对所述当前帧图像进行编码处理;
在进行所述编码处理后,确定编码变换单元的目标系数,所述编码变换单元用于对所述当前帧图像进行编码处理;
如果所述目标系数为设定值,则触发采用所述帧内编码模式对所述当前帧图像进行编码处理,所述设定值不为零。
5.根据权利要求2所述的方法,其中,所述确定所述第一编码代价和所述第二编码代价满足设定条件的子图像比例值,包括:
确定所述第一编码代价小于所述第二编码代价的子图像数量;
将所述子图像数量与所述多个子图像的总数量的比例值作为所述子图像比例值。
6.根据权利要求2所述的方法,在所述采用所述目标选编码模式对所述当前帧图像进行编码处理之后,还包括:
采用所述待处理视频的下一帧图像对所述当前帧图像进行更新。
7.一种视频处理装置,包括:
第一确定模块,用于确定多种候选编码模式,并获取待处理视频的当前帧图像;
采样模块,用于对所述当前帧图像进行采样处理,以得到多个子图像;
第二确定模块,用于确定所述子图像分别基于所述多种候选编码模式的多种编码信息;
第三确定模块,用于根据所述多种编码信息,从所述多种候选编码模式之中确定出目标编码模式;以及
编码模块,用于采用所述目标选编码模式对所述当前帧图像进行编码处理。
8.根据权利要求7所述的装置,所述多种候选编码模式包括:帧内编码模式和帧间编码模式,其中,所述第二确定模块,包括:
第一获取子模块,用于获取所述多个子图像分别基于所述帧内编码模式的多个第一编码代价;
第二获取子模块,用于获取所述多个子图像分别基于所述帧间编码模式的多个第二编码代价;
第一确定子模块,用于确定所述第一编码代价和所述第二编码代价满足设定条件的子图像比例值;以及
第二确定子模块,用于确定所述多个第一编码代价的编码均值,所述子图像比例值和所述编码均值被共同作为所述多种编码信息。
9.根据权利要求8所述的装置,其中,所述第三确定模块,具体用于:
如果所述子图像比例值大于比例阈值,且所述编码均值小于编码阈值,则将所述帧内编码模式和所述帧间编码模式共同作为所述目标编码模式;
如果所述子图像比例值小于或者等于所述比例阈值,或者所述编码均值大于或者等于所述编码阈值,则仅将所述帧间编码模式作为所述目标编码模式。
10.根据权利要求9所述的装置,其中,所述编码模块,具体用于:
采用所述帧间编码模式对所述当前帧图像进行编码处理;
在进行所述编码处理后,确定编码变换单元的目标系数,所述编码变换单元用于对所述当前帧图像进行编码处理;
如果所述目标系数为设定值,则触发采用所述帧内编码模式对所述当前帧图像进行编码处理,所述设定值不为零。
11.根据权利要求8所述的装置,其中,所述第一确定子模块,具体用于:
确定所述第一编码代价小于所述第二编码代价的子图像数量;
将所述子图像数量与所述多个子图像的总数量的比例值作为所述子图像比例值。
12.根据权利要求8所述的装置,所述装置还包括:
更新模块,用于在所述采用所述目标选编码模式对所述当前帧图像进行编码处理之后,采用所述待处理视频的下一帧图像对所述当前帧图像进行更新。
13.一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-6中任一项所述的方法。
14.一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行根据权利要求1-6中任一项所述的方法。
15.一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现根据权利要求1-6中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110768633.7A CN113596442B (zh) | 2021-07-07 | 2021-07-07 | 视频处理方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110768633.7A CN113596442B (zh) | 2021-07-07 | 2021-07-07 | 视频处理方法、装置、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113596442A true CN113596442A (zh) | 2021-11-02 |
CN113596442B CN113596442B (zh) | 2022-10-04 |
Family
ID=78246265
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110768633.7A Active CN113596442B (zh) | 2021-07-07 | 2021-07-07 | 视频处理方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113596442B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114501007A (zh) * | 2021-12-20 | 2022-05-13 | 杭州当虹科技股份有限公司 | 基于422视频的快速编码方法及编码器 |
CN114513659A (zh) * | 2022-02-15 | 2022-05-17 | 北京百度网讯科技有限公司 | 确定图片预测模式的方法、装置、电子设备和介质 |
CN116260973A (zh) * | 2023-03-31 | 2023-06-13 | 北京百度网讯科技有限公司 | 一种时域滤波方法、装置、电子设备及存储介质 |
WO2024041482A1 (zh) * | 2022-08-22 | 2024-02-29 | 华为技术有限公司 | 一种图像处理方法、装置及系统 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101640802A (zh) * | 2009-08-28 | 2010-02-03 | 北京工业大学 | 基于宏块特征和统计特性的视频帧间压缩编码方法 |
CN104601988A (zh) * | 2014-06-10 | 2015-05-06 | 腾讯科技(北京)有限公司 | 视频编码器、方法和装置及其帧间模式选择方法和装置 |
KR20180040319A (ko) * | 2016-10-12 | 2018-04-20 | 가온미디어 주식회사 | 영상 처리 방법, 그를 이용한 영상 복호화 및 부호화 방법 |
CN110662078A (zh) * | 2019-09-28 | 2020-01-07 | 杭州当虹科技股份有限公司 | 适用于avs2和hevc的4k/8k超高清编码帧间编码帧快速算法 |
CN111182298A (zh) * | 2020-03-18 | 2020-05-19 | 广州市百果园信息技术有限公司 | 一种编码模式的确定方法、装置、设备和存储介质 |
CN111757107A (zh) * | 2020-06-29 | 2020-10-09 | 北京百度网讯科技有限公司 | 一种视频编码方法、装置、设备及介质 |
CN111757104A (zh) * | 2020-06-29 | 2020-10-09 | 北京百度网讯科技有限公司 | 一种图像编码方法、装置、电子设备及存储介质 |
CN111757105A (zh) * | 2020-06-30 | 2020-10-09 | 北京百度网讯科技有限公司 | 图像编码处理方法、装置、设备和介质 |
WO2020259119A1 (en) * | 2019-06-28 | 2020-12-30 | Guangdong Oppo Mobile Telecommunications Corp., Ltd. | Method and apparatus for image coding, electronic device and computer-readable storage medium |
JP2021097284A (ja) * | 2019-12-16 | 2021-06-24 | マクセル株式会社 | 画像符号化方法および画像復号方法 |
-
2021
- 2021-07-07 CN CN202110768633.7A patent/CN113596442B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101640802A (zh) * | 2009-08-28 | 2010-02-03 | 北京工业大学 | 基于宏块特征和统计特性的视频帧间压缩编码方法 |
CN104601988A (zh) * | 2014-06-10 | 2015-05-06 | 腾讯科技(北京)有限公司 | 视频编码器、方法和装置及其帧间模式选择方法和装置 |
KR20180040319A (ko) * | 2016-10-12 | 2018-04-20 | 가온미디어 주식회사 | 영상 처리 방법, 그를 이용한 영상 복호화 및 부호화 방법 |
WO2020259119A1 (en) * | 2019-06-28 | 2020-12-30 | Guangdong Oppo Mobile Telecommunications Corp., Ltd. | Method and apparatus for image coding, electronic device and computer-readable storage medium |
CN110662078A (zh) * | 2019-09-28 | 2020-01-07 | 杭州当虹科技股份有限公司 | 适用于avs2和hevc的4k/8k超高清编码帧间编码帧快速算法 |
JP2021097284A (ja) * | 2019-12-16 | 2021-06-24 | マクセル株式会社 | 画像符号化方法および画像復号方法 |
CN111182298A (zh) * | 2020-03-18 | 2020-05-19 | 广州市百果园信息技术有限公司 | 一种编码模式的确定方法、装置、设备和存储介质 |
CN111757107A (zh) * | 2020-06-29 | 2020-10-09 | 北京百度网讯科技有限公司 | 一种视频编码方法、装置、设备及介质 |
CN111757104A (zh) * | 2020-06-29 | 2020-10-09 | 北京百度网讯科技有限公司 | 一种图像编码方法、装置、电子设备及存储介质 |
CN111757105A (zh) * | 2020-06-30 | 2020-10-09 | 北京百度网讯科技有限公司 | 图像编码处理方法、装置、设备和介质 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114501007A (zh) * | 2021-12-20 | 2022-05-13 | 杭州当虹科技股份有限公司 | 基于422视频的快速编码方法及编码器 |
CN114501007B (zh) * | 2021-12-20 | 2024-01-09 | 杭州当虹科技股份有限公司 | 基于422视频的快速编码方法及编码器 |
CN114513659A (zh) * | 2022-02-15 | 2022-05-17 | 北京百度网讯科技有限公司 | 确定图片预测模式的方法、装置、电子设备和介质 |
WO2024041482A1 (zh) * | 2022-08-22 | 2024-02-29 | 华为技术有限公司 | 一种图像处理方法、装置及系统 |
CN116260973A (zh) * | 2023-03-31 | 2023-06-13 | 北京百度网讯科技有限公司 | 一种时域滤波方法、装置、电子设备及存储介质 |
CN116260973B (zh) * | 2023-03-31 | 2024-03-19 | 北京百度网讯科技有限公司 | 一种时域滤波方法、装置、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN113596442B (zh) | 2022-10-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113596442B (zh) | 视频处理方法、装置、电子设备及存储介质 | |
CN112541878A (zh) | 建立图像增强模型与图像增强的方法、装置 | |
CN113901909B (zh) | 基于视频的目标检测方法、装置、电子设备和存储介质 | |
CN114494815B (zh) | 神经网络训练方法、目标检测方法、装置、设备和介质 | |
CN115861131A (zh) | 基于图像生成视频、模型的训练方法、装置及电子设备 | |
CN114449343A (zh) | 一种视频处理方法、装置、设备及存储介质 | |
CN116567246A (zh) | Avc编码方法和装置 | |
CN115035605B (zh) | 基于深度学习的动作识别方法、装置、设备及存储介质 | |
CN116090543A (zh) | 模型压缩方法及装置、计算机可读介质和电子设备 | |
CN114078097A (zh) | 图像去雾模型的获取方法、装置和电子设备 | |
CN113496176B (zh) | 动作识别方法、装置以及电子设备 | |
CN114727093A (zh) | 数据分析方法、装置、电子设备及计算机存储介质 | |
CN113658073A (zh) | 图像去噪处理方法、装置、存储介质与电子设备 | |
CN112738529A (zh) | 帧间预测方法、装置、设备、存储介质以及程序产品 | |
CN116918329A (zh) | 一种视频帧的压缩和视频帧的解压缩方法及装置 | |
CN113542737A (zh) | 编码模式确定方法、装置、电子设备及存储介质 | |
CN116260973B (zh) | 一种时域滤波方法、装置、电子设备及存储介质 | |
CN114531594B (zh) | 一种数据处理方法、装置、设备及存储介质 | |
CN113099231B (zh) | 确定亚像素插值位置的方法、装置、电子设备和存储介质 | |
CN112866693B (zh) | 编码单元cu的划分方法、装置、电子设备和存储介质 | |
CN117615137B (zh) | 一种视频处理方法、装置、设备以及存储介质 | |
CN114040204A (zh) | 编码单元的处理方法、装置、设备及存储介质 | |
CN117336548A (zh) | 一种视频编码的处理方法、装置、设备及存储介质 | |
CN115700744A (zh) | 基于编码信息的视频质量评价方法、装置、设备及介质 | |
CN117014602A (zh) | 参考帧筛选模型的训练方法、装置及计算机程序产品 |
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 |