CN113824968A - 编码单元划分方法、图像编解码方法和装置 - Google Patents

编码单元划分方法、图像编解码方法和装置 Download PDF

Info

Publication number
CN113824968A
CN113824968A CN202010559936.3A CN202010559936A CN113824968A CN 113824968 A CN113824968 A CN 113824968A CN 202010559936 A CN202010559936 A CN 202010559936A CN 113824968 A CN113824968 A CN 113824968A
Authority
CN
China
Prior art keywords
divided
processing unit
coding
module
direction division
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
CN202010559936.3A
Other languages
English (en)
Inventor
徐陆航
朱建清
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.)
Fujitsu Ltd
Original Assignee
Fujitsu 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 Fujitsu Ltd filed Critical Fujitsu Ltd
Priority to CN202010559936.3A priority Critical patent/CN113824968A/zh
Priority to JP2021083286A priority patent/JP2021197732A/ja
Priority to US17/323,359 priority patent/US20210400306A1/en
Publication of CN113824968A publication Critical patent/CN113824968A/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
    • H04N19/96—Tree coding, e.g. quad-tree 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
    • H04N19/65—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using error resilience
    • H04N19/66—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using error resilience involving data partitioning, i.e. separation of data into packets or partitions according to importance
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/048—Activation functions
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T9/00—Image coding
    • G06T9/002—Image coding using neural networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T9/00—Image coding
    • G06T9/40—Tree coding, e.g. quadtree, octree
    • 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
    • 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
    • H04N19/124—Quantisation
    • 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
    • H04N19/132—Sampling, masking or truncation of coding units, e.g. adaptive resampling, frame skipping, frame interpolation or high-frequency transform coefficient masking
    • 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
    • H04N19/176—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 the region being a block, e.g. a macroblock
    • 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
    • H04N19/186—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 a colour or a chrominance component
    • 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
    • H04N19/1883—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 relating to sub-band structure, e.g. hierarchical level, directional tree, e.g. low-high [LH], high-low [HL], high-high [HH]
    • 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
    • H04N19/42—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals characterised by implementation details or hardware specially adapted for video compression or decompression, e.g. dedicated software implementation
    • H04N19/423—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals characterised by implementation details or hardware specially adapted for video compression or decompression, e.g. dedicated software implementation characterised by memory arrangements
    • H04N19/426—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals characterised by implementation details or hardware specially adapted for video compression or decompression, e.g. dedicated software implementation characterised by memory arrangements using memory downsizing methods

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • General Health & Medical Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Computational Linguistics (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Biophysics (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Biomedical Technology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Compression Or Coding Systems Of Tv Signals (AREA)

Abstract

本发明实施例提供一种编码单元划分方法、图像编解码方法和装置，该编码单元划分方法包括：对待划分的处理单元进行下采样，以得到预定大小的待划分块；将该待划分块转换得到的第一向量输入至训练后的神经网络模型中，获取该神经网络模型的输出结果，该输出结果包括水平方向划分概率和垂直方向划分概率；在该水平方向划分概率大于或等于阈值时，对该待划分的处理单元进行水平划分，在该垂直方向划分概率大于或等于该阈值时，对该待划分的处理单元进行垂直划分。

Description

编码单元划分方法、图像编解码方法和装置
技术领域
本发明涉及图像处理领域。
背景技术
多功能视频编码(Versatile Video Coding，VVC)是由联合视频专家团队(JointVideo Experts Team，JVET)建立的一项新的标准化项目，其主要目标是改进现有高效视频编码(High Efficiency Video Coding，HEVC)标准，提供更高的压缩性能。目前，在全帧内(All Intra，AI)配置中，VVC相较于HEVC提升了约25％的编码效率，但编码时间增加了10倍
应该注意，上面对技术背景的介绍只是为了方便对本发明的技术方案进行清楚、完整的说明，并方便本领域技术人员的理解而阐述的。不能仅仅因为这些方案在本发明的背景技术部分进行了阐述而认为上述技术方案为本领域技术人员所公知。
发明内容
在VVC中，使用了比HEVC更复杂的编码单元划分结构，在HEVC四叉树(QT)划分的基础上增加了两种二叉树(BT)划分和两种三叉树(TT)划分(二叉树和三叉树统称为多类型树MTT)，图1A-图1B是该两种二叉树划分示意图，分别为垂直方向的二叉树划分和水平方向的二叉树划分，图2A-图2B是该两种三叉树划分示意图，分别为垂直方向的三叉树划分和水平方向的三叉树划分，在编码时，图像将被划分成一系列编码树单元(CTU，coding treeunit)，针对每个CTU，先进行四叉树划分；接着，对经过四叉树划分后的各个单元进行独立地或相同地MTT划分，划分后得到的这些节点称为编码单元(CU，coding unit)，在图像编解码时，可以以CU为单位进行预测、变换等处理。另外每一个CTU包含亮度分量和色度分量，针对各个亮度和色度分量可以使用相同的划分结构或不同的划分结构。
发明人发现，在现有方法中，对经过四叉树划分后的各个单元，将依次遍历各种可行的划分结构，计算不同的划分结构下的编码结果对应的率失真函数值，并根据率失真函数值从中选择最佳编码性能对应的划分结构，这无疑增加了编码单元划分的复杂度，增加了编码的时间。
针对上述问题中的至少之一，本发明实施例提供一种编码单元划分方法、图像编解码方法和装置。
根据本发明实施例的第一方面，提供一种编码单元划分装置，其中，该装置包括：
采样模块，其用于对待划分的处理单元进行下采样，以得到预定大小的待划分块；
获取模块，其用于将该待划分块转换得到的第一向量输入至训练后的神经网络模型中，获取该神经网络模型的输出结果，该输出结果包括水平方向划分概率和垂直方向划分概率；
确定模块，其用于在该水平方向划分概率大于或等于阈值时，对该待划分的处理单元进行水平划分，在该垂直方向划分概率大于或等于阈值时，对该待划分的处理单元进行垂直划分。
根据本发明实施例的第二方面，提供一种图像编解码装置，其中，该装置包括：
划分模块、第一方面该的编码单元划分装置以及编解码模块；
该划分模块用于将图像划分为多个待划分的处理单元；
针对各个待划分的处理单元，该编码单元划分装置用于对该待划分的处理单元进行下采样，以得到预定大小的待划分块；将该待划分块转换得到的第一向量输入至训练后的神经网络模型中，获取该神经网络模型的输出结果，该输出结果包括水平方向划分概率和垂直方向划分概率；在该水平方向划分概率大于或等于阈值时，对该待划分的处理单元进行水平划分，在该垂直方向划分概率大于或等于该阈值时，对该待划分的处理单元进行垂直划分，以得到编码单元；
该编解码模块用于以划分得到的该编码单元为单位进行编码和/或解码。
根据本发明实施例的第三方面，提供一种编码单元划分方法，其中，该方法包括：
对待划分的处理单元进行下采样，以得到预定大小的待划分块；
将该待划分块转换得到的第一向量输入至训练后的神经网络模型中，获取该神经网络模型的输出结果，该输出结果包括水平方向划分概率和垂直方向划分概率；
在该水平方向划分概率大于或等于阈值时，对该待划分的处理单元进行水平划分，在该垂直方向划分概率大于或等于该阈值时，对该待划分的处理单元进行垂直划分。
本发明的有益效果在于：通过对待处理单元进行下采样，由此可以利用神经网络确定水平方向划分概率和垂直方向划分概率，将上述概率分别与阈值进行比较，以便确定待处理单元的划分方式，从而提高编码速度，且可以保证编码效率。
参照后文的说明和附图，详细公开了本发明的特定实施方式，指明了本发明的原理可以被采用的方式。应该理解，本发明的实施方式在范围上并不因而受到限制。在所附权利要求的精神和条款的范围内，本发明的实施方式包括许多改变、修改和等同。
针对一种实施方式描述和/或示出的特征可以以相同或类似的方式在一个或更多个其它实施方式中使用，与其它实施方式中的特征相组合，或替代其它实施方式中的特征。
附图说明
所包括的附图用来提供对本发明实施例的进一步的理解，其构成了说明书的一部分，用于例示本发明的实施方式，并与文字描述一起来阐释本发明的原理。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。在附图中：
图1A是本发明实施例的二叉树垂直划分的一示意图；
图1B是本发明实施例的二叉树水平划分的一示意图；
图2A是本发明实施例的三叉树垂直划分的一示意图；
图2B是本发明实施例的三叉树水平划分的一示意图；
图3是本发明实施例的编码单元划分装置的一示意图；
图4是本发明实施例的神经网络模型结构一示意图；
图5是本发明实施例的图像编解码装置的一示意图；
图6是本发明实施例的编码单元划分方法的一示意图；
图7是本发明实施例的图像编解码方法的一示意图；
图8是本发明实施例的电子设备的示意图。
具体实施方式
在本发明实施例中，术语“第一”、“第二”等用于对不同元素从称谓上进行区分，但并不表示这些元素的空间排列或时间顺序等，这些元素不应被这些术语所限制。术语“和/或”包括相关联列出的术语的一种或多个中的任何一个和所有组合。术语“包含”、“包括”、“具有”等是指所陈述的特征、元素、元件或组件的存在，但并不排除存在或添加一个或多个其他特征、元素、元件或组件。
在本发明实施例中，单数形式“一”、“该”等包括复数形式，应广义地理解为“一种”或“一类”而并不是限定为“一个”的含义；此外术语“所述”应理解为既包括单数形式也包括复数形式，除非上下文另外明确指出。此外术语“根据”应理解为“至少部分根据……”，术语“基于”应理解为“至少部分基于……”，除非上下文另外明确指出。
参照附图，通过下面的说明书，本发明的前述以及其它特征将变得明显。在说明书和附图中，具体公开了本发明的特定实施方式，其表明了其中可以采用本发明的原则的部分实施方式，应了解的是，本发明不限于所描述的实施方式，相反，本发明包括落入所附权利要求的范围内的全部修改、变型以及等同物。
第一方面的实施例
本发明实施例提供一种编码单元划分装置。图3是本发明实施例的编码单元划分装置的示意图。如图3所示，装置300包括：
采样模块301，其用于对待划分的处理单元进行下采样，以得到预定大小的待划分块；
获取模块302，其用于将该待划分块转换得到的第一向量输入至训练后的神经网络模型中，获取该神经网络模型的输出结果，该输出结果包括水平方向划分概率和垂直方向划分概率；
确定模块303，其用于在该水平方向划分概率大于或等于阈值时，对该待划分的处理单元进行水平划分，在该垂直方向划分概率大于或等于该阈值时，对该待划分的处理单元进行垂直划分。
在本申请实施例中，通过对待处理单元进行下采样，由此可以利用神经网络确定水平方向划分概率和垂直方向划分概率，将上述概率分别与阈值进行比较，以便确定待处理单元的划分方式，从而提高编码速度，且可以保证编码效率。
在一些实施例中，输入视频流由多个连续帧图像构成，可以预先将各帧图像划分为多个CTU，对于一个三通道的图像帧，一个CTU包含M×M(M大于0)个亮度块以及对应的两个色度块，每个CTU大小相同。在VVC中，针对4:2:0格式的YUV序列，CTU的尺寸为128×128，即表示其包含一个大小为128×128的亮度CTU，以及两个大小为64×64的色度CTU。
在一些实施例中，该待划分的处理单元可以是该CTU，也可以是该CTU经过一次二叉树或三叉树或四叉树划分后的子单元，或者是CTU经过两次或两次以上二叉树和/或三叉树和/或四叉树划分后的子单元，本实施例并不以此作为限制，该待划分的处理单元的大小小于或等于32×32，且大于或等于8×8，例如，该待划分的处理单元的大小可以是8×8,8×16,16×8,8×32,32×8,16×16,16×32,32×16,32×32等，此处不再一一举例。
在一些实施例中，神经网络模型的输入向量和输出向量尺寸比较固定，由于待划分的处理单元的大小是多样的，因此，为了能够利用神经网络模型确定水平方向和垂直方向的划分概率，采样模块301先对待划分的处理单元进行下采样，以得到预定大小的待划分块，使得待划分的处理单元的大小采样成同一尺寸的块。
在一些实施例中，采样模块301使用平均池化的方法进行下采样，平均池化使用的窗口大小可以是[W/8，H/8]，其中W是待划分的处理单元的宽，H是待划分的处理单元的高，采样模块301将该待划分的处理单元划分为多个上述窗口大小的块，计算每个块中各个像素点的值的平均值作为该窗口的下采样值，经过下采样后，该预定大小的待划分块的大小为8×8。
在一些实施例中，由于CTU包括亮度CTU和色度CTU，即该待划分的处理单元也包括亮度处理单元和色度处理单元，该采样模块301分别对亮度处理单元和色度处理单元进行下采样，由于色度分量Cb和Cr的编码单元划分方式相同，因此，在对色度处理单元下采样时，可以仅对色度Cb处理单元进行下采样，但本实施例并不以此作为限制。
在本实施例中，装置300还包括：
转换模块304(可选)，其用于将该待划分块转换为该第一向量；
其中，转换模块304计算该待划分块中各个像素点的值的均值，将该待划分块中的各个像素点的值减去该均值，以得到该第一向量。
在一些实施例中，例如该待划分块可以表示为：
Figure BDA0002545916060000051
各个像素点的值的均值am为(a11+...a18+....a81+....a88)/64，经过转换模块304处理后得到M＝
Figure BDA0002545916060000061
转换模块304将M重塑(reshape)为第一向量，该第一向量可以是行向量也可以是列向量，例如该第一向量为1×64列向量
Figure BDA0002545916060000062
本实施例并不以此作为限制。
在一些实施例中，获取模块302将该第一向量输入至训练后的神经网络模型中，亮度处理单元经下采样转换得到的第一向量和色度处理单元经下采样转换得到的第一向量可以输入至相同或不同的神经网络模型，换句话说，亮度处理单元和色度处理单元可以使用相同的划分方式或不同的划分方式，例如使用信号标识位指示亮度处理单元和色度处理单元是否使用相同的划分方式，在该标识位的值为1时，使用不同的划分方式，即输入至不同的神经网络模型，在该标识位为0时，使用相同的划分方式，即输入至相同的神经网络模型，反之亦可，本实施例并不以此作为限制。
在一些实施例中，上述不同的神经网络模型是指使用不同训练数据训练的神经网络模型，例如使用亮度输入分量训练的亮度神经网络模型和使用色度输入分量训练的色度神经网络模型，但该亮度神经网络模型和该色度神经网络模型的结构类似，参数可能不同，以下结合附图4说明。
图4是该神经网络模型结构示意图，如图4所示，神经网络模型依次包括：第一全连接层401，第二全连接层402，第三全连接层403，第四全连接层404，其中，该第一全连接层输出为1×31的列向量，该第二全连接层输出为1×32的列向量，该第三全连接层输出为1×32的列向量，该第四全连接层输出为1×2的列向量，该第一全连接层，该第二全连接层，该第三全连接层的激活函数为线性整流函数(ReLU)，该第四全连接层的激活函数为sigmoid；在该第一全连接层输出后，可以加入量化参数QP，该量化参数可以体现空间细节压缩情况，值越小，量化越精细，图像质量越高，产生的码流也越长，换句话说，QP值小，图像细节会被保留，QP值大，图像细节会丢失，该亮度神经网络模型中QP的取值范围和色度神经网络中QP的取值范围可以相同或不同，例如，该取值范围为0～51，加入了该量化参数后，该第二全连接层输出为1×32的列向量。该神经网络模型仅为示例说明，本实施例并不以此作为限制。
在一些实施例中，获取模块302获取该神经网络模型的输出结果，该输出结果包括水平方向划分概率和垂直方向划分概率，该概率的范围为[0,1]，其中，该水平方向划分概率和该垂直方向划分概率之和为1。
在一些实施例中，确定模块303在该水平方向划分概率和垂直方向划分概率其中之一大于或等于阈值时，不对该待划分的处理单元进行概率小于该阈值的对应方向的划分方式，仅考虑概率大于或等于该阈值的对应方向的划分方式，例如在水平方向划分概率大于或等于该阈值时，不考虑该垂直方向的划分方式，仅考虑水平方向的划分方式，包括二叉树水平划分或三叉树水平划分，确定模块303遍历二叉树水平划分和三叉树水平划分，计算各种水平划分结构下的编码结果对应的率失真函数值，确定模块303根据率失真函数值选择最佳编码性能对应的水平划分结构；在垂直方向划分概率大于或等于该阈值时，不考虑水平方向的划分方式，仅考虑垂直方向的划分方式，包括二叉树垂直划分或三叉树垂直划分，确定模块303遍历二叉树垂直划分和三叉树垂直划分，计算各种垂直划分结构下的编码结果对应的率失真函数值，确定模块303根据率失真函数值选择最佳编码性能对应的垂直划分结构。
在一些实施例中，在水平方向划分概率和垂直方向划分概率均小于该阈值时，该确定模块303确定对待划分的处理单元遍历各种划分方式，即遍历二叉树水平划分、三叉树水平划分、二叉树垂直划分以及三叉树垂直划分，以便从中选择最佳的划分方式，具体实施方式可以参考现有技术，此处不再赘述。
在一些实施例中，该阈值可以根据需要确定，针对各个尺寸的处理单元该阈值可以设置为相同，也可以不同；针对亮度分量和色度分量，该阈值也设置为相同，但也可以不同，例如可以将该阈值设置为0.8，但本实施例并不以此作为限制。
在本申请实施例中，通过设置阈值来进一步修正最后确定的划分方式，由此能够提高划分的正确性，需要说明的是，本申请实施例以现有技术中通过遍历各划分方式，并从中选择出的性能最优的划分方式作为参考，与该方式相同，则称之为划分正确，否则称之为划分错误。
在一些实施例中，该装置还可以包括(可选，未图示)：执行模块，其根据确定模块303确定的划分方式对待划分的处理单元进行划分，以得到编码单元。其中，在水平方向划分概率大于或等于该阈值时，执行模块对待划分的处理单元进行水平方向的划分，例如二叉树水平划分或三叉树水平划分；在垂直方向划分概率大于或等于该阈值时，划分模块对待划分的处理单元进行垂直方向的划分，例如二叉树垂直划分或三叉树垂直划分，其中二叉树或三叉树的叶子节点称为一个编码单元；在水平方向划分概率和垂直方向划分概率均小于该阈值时，划分模块按照确定模块303遍历后选择的最佳划分方式对待划分的处理单元进行划分，以得到编码单元，具体可以参考现有技术。
由此，通过对待处理单元进行下采样，由此可以利用神经网络确定水平方向划分概率和垂直方向划分概率，将上述概率分别与该阈值进行比较，以便确定待处理单元的划分方式，从而提高编码速度，且可以保证编码效率。
第二方面的实施例
本发明实施例提供一种图像编解码装置。图5是本发明实施例的图像编解码装置的示意图。如图5所示，装置500包括：划分模块501、第一方面实施例所述的编码单元划分装置502以及编解码模块503；
划分模块501用于将图像划分为多个待划分的处理单元；
针对各个待划分的处理单元，编码单元划分装置502用于对该待划分的处理单元进行下采样，以得到预定大小的待划分块；将该待划分块转换得到的第一向量输入至训练后的神经网络模型中，获取该神经网络模型的输出结果，该输出结果包括水平方向划分概率和垂直方向划分概率；在该水平方向划分概率大于或等于阈值时，对该待划分的处理单元进行水平划分，在该垂直方向划分概率大于或等于该阈值时，对该待划分的处理单元进行垂直划分，以得到编码单元；
编解码模块503用于以划分得到的该编码单元为单位进行编码和/或解码。
在一些实施例中，划分模块501将各帧图像划分为多个CTU，以得到待划分的处理单元，可选的，还可以进一步将各个CTU经过一次或至少两次四叉树划分后的子单元，以得到待划分的处理单元，该待划分的处理单元具体可以参考第一方面的实施例，此处不再赘述。
在一些实施例中，该编码单元划分装置502确定各个待划分的处理单元的划分方式，并根据确定的划分方式对处理单元进行划分，以得到编码单元，其具体实施方式可以参考第一方面的实施例，此处不再赘述。
在一些实施例中，在得到编码单元后，编解码模块503以划分得到的各个编码单元为单位进行编码和/或解码。进行编码和/或解码的具体方法可以参考现有技术，本实例不对编码和/或解码的具体方法进行限制。例如，编解码模块503确定各个CU的参考像素，并对参考像素进行滤波，确定各个CU的预测模式，使用滤波后的参考像素结合确定的预测模式确定当前CU的预测值，得到编解码结果，具体参考像素确定方法，滤波方法，确定预测值的方法等可以参考现有技术，此处不再赘述。
由此，通过对待处理单元进行下采样，由此可以利用神经网络确定水平方向划分概率和垂直方向划分概率，将上述概率分别与阈值进行比较，以便确定待处理单元的划分方式，从而提高编码速度，且可以保证编码效率。
第三方面的实施例
本发明实施例还提供一种图像编解码方法，图6是本发明实施例的编码单元划分方法的示意图。如图6所示，该方法包括：
601，对待划分的处理单元进行下采样，以得到预定大小的待划分块；
602，将该待划分块转换得到的第一向量输入至训练后的神经网络模型中，获取该神经网络模型的输出结果，该输出结果包括水平方向划分概率和垂直方向划分概率；
603，在该水平方向划分概率大于或等于阈值时，对该待划分的处理单元进行水平划分，在该垂直方向划分概率大于或等于该阈值时，对该待划分的处理单元进行垂直划分。
在本实施例中，上述操作601-603的实施方式可以参考第一方面的实施例中采样模块301、获取模块302、确定模块303，此处不再赘述。
在一些实施例中，该待划分的处理单元的大小小于或等于32×32，该预定大小的待划分块的大小为8×8，该待划分的处理单元的获取方式可以参考第一方面的实施例，此处不再赘述
在一些实施例中，在601中使用平均池化的方法进行下采样。
在一些实施例中，该方法还可以包括：(可选，未图示)将该待划分块转换为该第一向量，包括：计算该待划分块中各个像素点的值的均值，将该待划分块中的各个像素点的值减去该均值，以得到该第一向量。
在一些实施例中，该亮度处理单元和该色度处理单元使用相同或不同的神经网络模型，该水平方向划分概率和该垂直方向划分概率之和为1。
在一些实施例中，对该待划分的处理单元进行水平划分包括二叉树水平划分或三叉树水平划分，对该待划分的处理单元进行垂直划分包括二叉树垂直划分或三叉树垂直划分。
在一些实施例中，该方法还可以包括：根据确定的划分方式对待划分的处理单元进行划分，以得到编码单元，其具体实施方式可以参考第一方面实施例中的执行模块，此处不再赘述。
值得注意的是，以上附图6仅对本申请实施例进行了示意性说明，但本申请不限于此。例如可以适当地调整各个操作之间的执行顺序，此外还可以增加其他的一些操作或者减少其中的某些操作。本领域的技术人员可以根据上述内容进行适当地变型，而不仅限于上述附图6的记载。
由此，通过对待处理单元进行下采样，由此可以利用神经网络确定水平方向划分概率和垂直方向划分概率，将上述概率分别与阈值进行比较，以便确定待处理单元的划分方式，从而提高编码速度，且可以保证编码效率。
第四方面的实施例
本发明实施例还提供一种图像编解码方法，图7是本发明实施例的图像编解码方法的示意图。如图7所示，该方法包括：
701，将图像划分为多个待划分的处理单元；
702，针对各个待划分的处理单元，对各个待划分的处理单元进行下采样，以得到预定大小的待划分块；将该待划分块转换得到的第一向量输入至训练后的神经网络模型中，获取该神经网络模型的输出结果，该输出结果包括水平方向划分概率和垂直方向划分概率；在该水平方向划分概率大于或等于阈值时，对该待划分的处理单元进行水平划分，在该垂直方向划分概率大于或等于该阈值时，对该待划分的处理单元进行垂直划分，以得到编码单元；
703，以划分得到的该编码单元为单位进行编码和/或解码。
在本实施例中，上述操作701-703的实施方式可以参考第二方面的实施例中划分模块501、编解码划分装置502、编解码模块503，此处不再赘述。
值得注意的是，以上附图7仅对本申请实施例进行了示意性说明，但本申请不限于此。例如可以适当地调整各个操作之间的执行顺序，此外还可以增加其他的一些操作或者减少其中的某些操作。本领域的技术人员可以根据上述内容进行适当地变型，而不仅限于上述附图7的记载。
由此，通过对待处理单元进行下采样，由此可以利用神经网络确定水平方向划分概率和垂直方向划分概率，将上述概率分别与阈值进行比较，以便确定待处理单元的划分方式，从而提高编码速度，且可以保证编码效率。
第五方面的实施例
本发明实施例还提供一种电子设备，该电子设备进行图像处理或视频处理，包括第二方面实施例中的图像编解码装置，其内容合并于此，此处不再赘述。
图8是本发明实施例的电子设备的示意图。如图8所示，电子设备800可以包括：处理器801和存储器802；存储器802耦合到处理器801。其中该存储器802可存储各种数据；此外还存储信息处理的程序803，并且在处理器801的控制下执行该程序803。
在一个实施例中，电子设备800可以作为编解码器使用，图像编解码装置500的功能可以被集成到处理器801中。其中，处理器801可以被配置为实现如第三方面所述的编码单元划分方法或实现如第四方面所述的图像编解码方法。
例如，处理器801可以被配置为进行如下的控制：对待划分的处理单元进行下采样，以得到预定大小的待划分块；将所述待划分块转换得到的第一向量输入至训练后的神经网络模型中，获取所述神经网络模型的输出结果，所述输出结果包括水平方向划分概率和垂直方向划分概率；在所述水平方向划分概率大于或等于阈值时，对所述待划分的处理单元进行水平划分，在所述垂直方向划分概率大于或等于该阈值时，对所述待划分的处理单元进行垂直划分。
或者，处理器801可以被配置为进行如下的控制：将图像划分为多个待划分的处理单元；针对各个待划分的处理单元，对该待划分的处理单元进行下采样，以得到预定大小的待划分块；将该待划分块转换得到的第一向量输入至训练后的神经网络模型中，获取该神经网络模型的输出结果，该输出结果包括水平方向划分概率和垂直方向划分概率；在该水平方向划分概率大于或等于阈值时，对该待划分的处理单元进行水平划分，在该垂直方向划分概率大于或等于该阈值时，对该待划分的处理单元进行垂直划分，以得到编码单元；以划分得到的该编码单元为单位进行编码和/或解码。
此外，如图8所示，电子设备800还可以包括：输入输出(I/O)设备804和显示器805等；其中，上述部件的功能与现有技术类似，此处不再赘述。值得注意的是，电子设备800也并不是必须要包括图8中所示的所有部件；此外，电子设备800还可以包括图8中没有示出的部件，可以参考相关技术。
本发明实施例提供一种计算机可读程序，其中当在图像编解码装置或电子设备中执行所述程序时，所述程序使得该图像编解码装置或电子设备执行如第四方面实施例所述的图像编解码方法。
本发明实施例提供一种存储有计算机可读程序的存储介质，其中所述计算机可读程序使得图像编解码装置或电子设备执行如第四方面实施例所述的图像编解码方法。
本发明实施例提供一种计算机可读程序，其中当在编码单元划分装置或电子设备中执行所述程序时，所述程序使得该编码单元划分装置或电子设备执行如第三方面实施例所述的编码单元划分方法。
本发明实施例提供一种存储有计算机可读程序的存储介质，其中所述计算机可读程序使得编码单元划分装置或电子设备执行如第三方面实施例所述的编码单元划分方法。
本发明以上的装置和方法可以由硬件实现，也可以由硬件结合软件实现。本发明涉及这样的计算机可读程序，当该程序被逻辑部件所执行时，能够使该逻辑部件实现上文所述的装置或构成部件，或使该逻辑部件实现上文所述的各种方法或步骤。本发明还涉及用于存储以上程序的存储介质，如硬盘、磁盘、光盘、DVD、flash存储器等。
结合本发明实施例描述的方法/装置可直接体现为硬件、由处理器执行的软件模块或二者组合。例如，图中所示的功能框图中的一个或多个和/或功能框图的一个或多个组合，既可以对应于计算机程序流程的各个软件模块，亦可以对应于各个硬件模块。这些软件模块，可以分别对应于图中所示的各个步骤。这些硬件模块例如可利用现场可编程门阵列(FPGA)将这些软件模块固化而实现。
软件模块可以位于RAM存储器、闪存、ROM存储器、EPROM存储器、EEPROM存储器、寄存器、硬盘、移动磁盘、CD-ROM或者本领域已知的任何其它形式的存储介质。可以将一种存储介质耦接至处理器，从而使处理器能够从该存储介质读取信息，且可向该存储介质写入信息；或者该存储介质可以是处理器的组成部分。处理器和存储介质可以位于ASIC中。该软件模块可以存储在移动终端的存储器中，也可以存储在可插入移动终端的存储卡中。例如，若设备(如移动终端)采用的是较大容量的MEGA-SIM卡或者大容量的闪存装置，则该软件模块可存储在该MEGA-SIM卡或者大容量的闪存装置中。
针对附图中描述的功能方框中的一个或多个和/或功能方框的一个或多个组合，可以实现为用于执行本发明所描述功能的通用处理器、数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)或者其它可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件或者其任意适当组合。针对附图描述的功能方框中的一个或多个和/或功能方框的一个或多个组合，还可以实现为计算设备的组合，例如，DSP和微处理器的组合、多个微处理器、与DSP通信结合的一个或多个微处理器或者任何其它这种配置。
以上结合具体的实施方式对本发明进行了描述，但本领域技术人员应该清楚，这些描述都是示例性的，并不是对本发明保护范围的限制。本领域技术人员可以根据本发明的精神和原理对本发明做出各种变型和修改，这些变型和修改也在本发明的范围内。
根据本发明实施例公开的各种实施方式，还公开了如下附记：
1.一种编码单元划分装置，其特征在于，所述装置包括：
采样模块，其用于对待划分的处理单元进行下采样，以得到预定大小的待划分块；
获取模块，其用于将所述待划分块转换得到的第一向量输入至训练后的神经网络模型中，获取所述神经网络模型的输出结果，所述输出结果包括水平方向划分概率和垂直方向划分概率；
确定模块，其用于在所述水平方向划分概率大于或等于阈值时，对所述待划分的处理单元进行水平划分，在所述垂直方向划分概率大于或等于所述阈值时，对所述待划分的处理单元进行垂直划分。
2.根据附记1所述的装置，其中，所述待划分的处理单元的大小小于或等于32×32。
3.根据附记1所述的装置，其中，所述预定大小的待划分块的大小为8×8。
4.根据附记1所述的装置，其中，所述采样模块使用平均池化的方法进行下采样。
5.根据附记1所述的装置，其中，所述装置还包括：
转换模块，其用于将所述待划分块转换为所述第一向量；
其中，所述转换模块计算所述待划分块中各个像素点的值的均值，将所述待划分块中的各个像素点的值减去所述均值，以得到所述第一向量。
6.根据附记1所述的装置，其中，所述待划分的处理单元包括亮度处理单元和色度处理单元，所述亮度处理单元和所述色度处理单元使用相同或不同的神经网络模型。
7.根据附记1所述的装置，其中，所述水平方向划分概率和所述垂直方向划分概率之和为1。
8.根据附记1所述的装置，其中，所述确定模块对所述待划分的处理单元进行水平划分包括二叉树水平划分或三叉树水平划分，所述确定模块对所述待划分的处理单元进行垂直划分包括二叉树垂直划分或三叉树垂直划分。
9.一种编码单元划分方法，其特征在于，所述方法包括：
对待划分的处理单元进行下采样，以得到预定大小的待划分块；
将所述待划分块转换得到的第一向量输入至训练后的神经网络模型中，获取所述神经网络模型的输出结果，所述输出结果包括水平方向划分概率和垂直方向划分概率；
在所述水平方向划分概率大于或等于阈值时，对所述待划分的处理单元进行水平划分，在所述垂直方向划分概率大于或等于所述阈值时，对所述待划分的处理单元进行垂直划分。
10.根据附记9所述的方法，其中，所述待划分的处理单元的大小小于或等于32×32。
11.根据附记9所述的方法，其中，所述预定大小的待划分块的大小为8×8。
12.根据附记9所述的方法，其中，对待划分的处理单元进行下采样包括：使用平均池化的方法进行下采样。
13.根据附记9所述的方法，其中，所述方法还包括：
将所述待划分块转换为所述第一向量，包括：
计算所述待划分块中各个像素点的值的均值，将所述待划分块中的各个像素点的值减去所述均值，以得到所述第一向量。
14.根据附记9所述的方法，其中，所述待划分的处理单元包括亮度处理单元和色度处理单元，所述亮度处理单元和所述色度处理单元使用相同或不同的神经网络模型。
15.根据附记9所述的方法，其中，所述水平方向划分概率和所述垂直方向划分概率之和为1。
16.根据附记9所述的方法，其中，对所述待划分的处理单元进行水平划分包括二叉树水平划分或三叉树水平划分，,对所述待划分的处理单元进行垂直划分包括二叉树垂直划分或三叉树垂直划分。
17.一种图像编解码装置，所述装置包括：划分模块、附记1所述的编码单元划分装置以及编解码模块；
所述划分模块用于将图像划分为多个待划分的处理单元；
针对各个待划分的处理单元，所述编码单元划分装置用于对所述待划分的处理单元进行下采样，以得到预定大小的待划分块；将所述待划分块转换得到的第一向量输入至训练后的神经网络模型中，获取所述神经网络模型的输出结果，所述输出结果包括水平方向划分概率和垂直方向划分概率；在所述水平方向划分概率大于或等于阈值时，对所述待划分的处理单元进行水平划分，在所述垂直方向划分概率大于或等于所述阈值时，对所述待划分的处理单元进行垂直划分，以得到编码单元；
所述编解码模块用于以划分得到的所述编码单元为单位进行编码和/或解码。
18.根据附记17所述的装置，其中，所述编码单元划分装置使用平均池化的方法进行下采样。
19.根据附记17所述的装置，其中，所述水平方向划分概率和所述垂直方向划分概率之和为1。
20.根据附记17所述的装置，其中，对所述待划分的处理单元进行水平划分包括二叉树水平划分或三叉树水平划分，,对所述待划分的处理单元进行垂直划分包括二叉树垂直划分或三叉树垂直划分。

Claims (10)

1.一种编码单元划分装置，其特征在于，所述装置包括：
采样模块，其用于对待划分的处理单元进行下采样，以得到预定大小的待划分块；
获取模块，其用于将所述待划分块转换得到的第一向量输入至训练后的神经网络模型中，获取所述神经网络模型的输出结果，所述输出结果包括水平方向划分概率和垂直方向划分概率；
确定模块，其用于在所述水平方向划分概率大于或等于阈值时，对所述待划分的处理单元进行水平划分，在所述垂直方向划分概率大于或等于所述阈值时，对所述待划分的处理单元进行垂直划分。
2.根据权利要求1所述的装置，其中，所述待划分的处理单元的大小小于或等于32×32。
3.根据权利要求1所述的装置，其中，所述预定大小的待划分块的大小为8×8。
4.根据权利要求1所述的装置，其中，所述采样模块使用平均池化的方法进行下采样。
5.根据权利要求1所述的装置，其中，所述装置还包括：
转换模块，其用于将所述待划分块转换为所述第一向量；
其中，所述转换模块计算所述待划分块中各个像素点的值的均值，将所述待划分块中的各个像素点的值减去所述均值，以得到所述第一向量。
6.根据权利要求1所述的装置，其中，所述待划分的处理单元包括亮度处理单元和色度处理单元，所述亮度处理单元和所述色度处理单元使用相同或不同的神经网络模型。
7.根据权利要求1所述的装置，其中，所述水平方向划分概率和所述垂直方向划分概率之和为1。
8.根据权利要求1所述的装置，其中，所述确定模块对所述待划分的处理单元进行水平划分包括二叉树水平划分或三叉树水平划分，所述确定模块对所述待划分的处理单元进行垂直划分包括二叉树垂直划分或三叉树垂直划分。
9.一种编码单元划分方法，其特征在于，所述方法包括：
对待划分的处理单元进行下采样，以得到预定大小的待划分块；
将所述待划分块转换得到的第一向量输入至训练后的神经网络模型中，获取所述神经网络模型的输出结果，所述输出结果包括水平方向划分概率和垂直方向划分概率；
在所述水平方向划分概率大于或等于阈值时，对所述待划分的处理单元进行水平划分，在所述垂直方向划分概率大于或等于所述阈值时，对所述待划分的处理单元进行垂直划分。
10.一种图像编解码装置，所述装置包括：划分模块、权利要求1所述的编码单元划分装置以及编解码模块；
所述划分模块用于将图像划分为多个待划分的处理单元；
针对各个待划分的处理单元，所述编码单元划分装置用于对所述待划分的处理单元进行下采样，以得到预定大小的待划分块；将所述待划分块转换得到的第一向量输入至训练后的神经网络模型中，获取所述神经网络模型的输出结果，所述输出结果包括水平方向划分概率和垂直方向划分概率；在所述水平方向划分概率大于或等于阈值时，对所述待划分的处理单元进行水平划分，在所述垂直方向划分概率大于或等于所述阈值时，对所述待划分的处理单元进行垂直划分，以得到编码单元；
所述编解码模块用于以划分得到的所述编码单元为单位进行编码和/或解码。
CN202010559936.3A 2020-06-18 2020-06-18 编码单元划分方法、图像编解码方法和装置 Pending CN113824968A (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN202010559936.3A CN113824968A (zh) 2020-06-18 2020-06-18 编码单元划分方法、图像编解码方法和装置
JP2021083286A JP2021197732A (ja) 2020-06-18 2021-05-17 符号化ユニットの分割装置及び方法、並びに画像符号化復号装置及び方法
US17/323,359 US20210400306A1 (en) 2020-06-18 2021-05-18 Coding unit partitioning method, image coding/decoding method and apparatuses thereof

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010559936.3A CN113824968A (zh) 2020-06-18 2020-06-18 编码单元划分方法、图像编解码方法和装置

Publications (1)

Publication Number Publication Date
CN113824968A true CN113824968A (zh) 2021-12-21

Family

ID=78911734

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010559936.3A Pending CN113824968A (zh) 2020-06-18 2020-06-18 编码单元划分方法、图像编解码方法和装置

Country Status (3)

Country Link
US (1) US20210400306A1 (zh)
JP (1) JP2021197732A (zh)
CN (1) CN113824968A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116489386A (zh) * 2023-03-24 2023-07-25 重庆邮电大学 一种基于参考块的vvc帧间快速编码方法

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2019245841A1 (en) * 2018-06-18 2019-12-26 Interdigital Vc Holdings, Inc. Method and apparatus for video encoding and decoding based on asymmetric binary partitioning of image blocks
US20230186435A1 (en) * 2021-12-14 2023-06-15 Netflix, Inc. Techniques for component-based image preprocessing

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109788296A (zh) * 2018-12-25 2019-05-21 中山大学 用于hevc的帧间编码单元划分方法、装置和存储介质
WO2019118536A1 (en) * 2017-12-14 2019-06-20 Interdigital Vc Holdings, Inc. Texture-based partitioning decisions for video compression
WO2019199716A1 (en) * 2018-04-10 2019-10-17 Interdigital Vc Holdings, Inc. Deep learning based image partitioning for video compression
WO2019203610A1 (ko) * 2018-04-19 2019-10-24 엘지전자 주식회사 영상의 처리 방법 및 이를 위한 장치
WO2020106124A1 (ko) * 2018-11-23 2020-05-28 가온미디어 주식회사 효율적 블록 분할을 처리하는 영상 복호화 및 부호화 방법

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2019118536A1 (en) * 2017-12-14 2019-06-20 Interdigital Vc Holdings, Inc. Texture-based partitioning decisions for video compression
WO2019199716A1 (en) * 2018-04-10 2019-10-17 Interdigital Vc Holdings, Inc. Deep learning based image partitioning for video compression
WO2019203610A1 (ko) * 2018-04-19 2019-10-24 엘지전자 주식회사 영상의 처리 방법 및 이를 위한 장치
WO2020106124A1 (ko) * 2018-11-23 2020-05-28 가온미디어 주식회사 효율적 블록 분할을 처리하는 영상 복호화 및 부호화 방법
CN109788296A (zh) * 2018-12-25 2019-05-21 中山大学 用于hevc的帧间编码单元划分方法、装置和存储介质

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116489386A (zh) * 2023-03-24 2023-07-25 重庆邮电大学 一种基于参考块的vvc帧间快速编码方法

Also Published As

Publication number Publication date
US20210400306A1 (en) 2021-12-23
JP2021197732A (ja) 2021-12-27

Similar Documents

Publication Publication Date Title
CN113824968A (zh) 编码单元划分方法、图像编解码方法和装置
US11363302B2 (en) Method and apparatus of neural network for video coding
US11838509B2 (en) Video coding method and apparatus
US11146798B2 (en) Picture encoding method, picture decoding method, encoder, decoder and storage medium
JP2021016150A (ja) ループフィルタリング装置及び画像復号装置
CN110263699B (zh) 视频图像处理方法、装置、设备及存储介质
CN111464815B (zh) 一种基于神经网络的视频编码方法及系统
US20090274216A1 (en) Dynamic image encoding device, dynamic image encoding method, dynamic image encoding program, dynamic image decoding device, dynamic image decoding method, and dynamic image decoding program
CN109587491A (zh) 一种帧内预测方法、装置及存储介质
US11962786B2 (en) Multi-stage block coding
CN112544081B (zh) 环路滤波的方法与装置
CN114025164A (zh) 图像编码方法、图像解码方法、编码器以及解码器
US20210067786A1 (en) Video coding method and device which use sub-block unit intra prediction
CN114501012A (zh) 图像滤波、编解码方法以及相关设备
CN110166773B (zh) 帧内预测方法、视频编码方法、视频处理装置、存储介质
Jia et al. Residual guided deblocking with deep learning
CN113810715B (zh) 一种基于空洞卷积神经网络的视频压缩参考图像生成方法
CN111246220A (zh) 一种基于vvc帧内编码的深度预测方法、设备及存储介质
CN113132740A (zh) 基于自适应环路滤波重建帧的方法、系统及存储介质
JP7383720B2 (ja) 画像成分予測方法、エンコーダ、デコーダ及び記憶媒体
CN113068030B (zh) 视频图像分量预测方法及装置、计算机存储介质
CN110249630B (zh) 去块效应滤波装置、方法和存储介质
CN107333174B (zh) 一种基于场景切变检测的视频处理方法
CN113826403A (zh) 信息处理方法及装置、设备、存储介质
CN115037933B (zh) 一种帧间预测的方法及设备

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: 20211221