CN114339262A - 熵编/解码方法及装置 - Google Patents

熵编/解码方法及装置 Download PDF

Info

Publication number
CN114339262A
CN114339262A CN202011066451.7A CN202011066451A CN114339262A CN 114339262 A CN114339262 A CN 114339262A CN 202011066451 A CN202011066451 A CN 202011066451A CN 114339262 A CN114339262 A CN 114339262A
Authority
CN
China
Prior art keywords
values
pixel points
value
reconstruction
obtaining
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
Application number
CN202011066451.7A
Other languages
English (en)
Other versions
CN114339262B (zh
Inventor
毛珏
杨海涛
马祥
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.)
Huawei Technologies Co Ltd
Original Assignee
Huawei Technologies 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 Huawei Technologies Co Ltd filed Critical Huawei Technologies Co Ltd
Priority to CN202011066451.7A priority Critical patent/CN114339262B/zh
Priority to JP2023519760A priority patent/JP2023543477A/ja
Priority to PCT/CN2021/120639 priority patent/WO2022068716A1/zh
Priority to EP21874376.3A priority patent/EP4207766A4/en
Publication of CN114339262A publication Critical patent/CN114339262A/zh
Application granted granted Critical
Publication of CN114339262B publication Critical patent/CN114339262B/zh
Priority to US18/191,990 priority patent/US20230239516A1/en
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
    • H04N19/90—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
    • 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
    • G06N3/0455—Auto-encoder networks; Encoder-decoder 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
    • G06N3/047—Probabilistic or stochastic 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
    • G06N3/08—Learning methods
    • G06N3/088—Non-supervised learning, e.g. competitive learning
    • 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
    • H04N19/13—Adaptive entropy coding, e.g. adaptive variable length coding [AVLC] or context adaptive binary arithmetic coding [CABAC]
    • 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
    • H04N19/172—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 picture, frame or field
    • 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
    • H04N19/30—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using hierarchical techniques, e.g. scalability
    • 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
    • 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
    • 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
    • H04N19/70—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals characterised by syntax aspects related to video coding, e.g. related to compression standards
    • 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
    • G06N3/044—Recurrent networks, e.g. Hopfield 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
    • G06N3/0464—Convolutional networks [CNN, ConvNet]
    • 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
    • G06N3/0475—Generative 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
    • G06N3/084—Backpropagation, e.g. using gradient descent
    • 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
    • G06N3/094—Adversarial learning

Abstract

本申请提供了熵编/解码方法及装置。涉及基于人工智能(AI)的视频或图像压缩技术领域领域，具体涉及基于神经网络的视频压缩技术领域。该方法包括：获得待编码的图像块的基本层信息，所述基本层信息对应于所述图像块中的M个像素点，M为正整数；获得与所述图像块的增强层信息对应的K个元素，所述增强层信息对应于所述图像块中的N个像素点，K和N均为正整数，N≥M；将所述基本层信息输入神经网络以获得K组概率值，所述K组概率值和所述K个元素对应，任意一组概率值用于表示对应的元素的多个候选取值的概率；根据所述K组概率值对所述K个元素进行熵编码。本申请能够提高提高熵编/解码的效率。

Description

熵编/解码方法及装置
技术领域
本发明实施例涉及基于人工智能(artificial intelligence，AI)的视频或图像压缩技术领域，尤其涉及一种熵编/解码方法及装置。
背景技术
视频编码(视频编码和解码)广泛用于数字视频应用，例如广播数字电视、互联网和移动网络上的视频传输、视频聊天和视频会议等实时会话应用、DVD和蓝光光盘、视频内容采集和编辑系统以及可携式摄像机的安全应用。
即使在影片较短的情况下也需要对大量的视频数据进行描述，当数据要在带宽容量受限的网络中发送或以其它方式传输时，这样可能会造成困难。因此，视频数据通常要先压缩然后在现代电信网络中传输。由于内存资源可能有限，当在存储设备上存储视频时，视频的大小也可能成为问题。视频压缩设备通常在信源侧使用软件和/或硬件，以在传输或存储之前对视频数据进行编码，从而减少用来表示数字视频图像所需的数据量。然后，压缩的数据在目的地侧由视频解压缩设备接收。在有限的网络资源以及对更高视频质量的需求不断增长的情况下，需要改进压缩和解压缩技术，这些改进的技术能够提高压缩率而几乎不影响图像质量。一种分层编码技术提出时域、空域、质量可分层的概念，在基本层的基础上增加增强层的信息，可获得更高帧率、分辨率、质量的视频内容。不同用户可以选择是否需要增强层的码流，以匹配各自的终端设备的处理能力和网络带宽。
近年来，将深度学习应用于在图像和视频编解码领域逐渐成为一种趋势。在基于深度学习的分层编码技术中，提高熵编码效率成为函待解决的技术问题。
发明内容
本申请提供一种熵编/解码方法及装置，能够提高提高熵编/解码的效率。
第一方面，本申请提供一种熵编码方法，包括：获得待编码的图像块的基本层信息，所述基本层信息对应于所述图像块中的M个像素点，M为正整数；获得与所述图像块的增强层信息对应的K个元素，所述增强层信息对应于所述图像块中的N个像素点，K和N均为正整数，N≥M；将所述基本层信息输入神经网络获得K组概率值，所述K组概率值和所述K个元素对应，任意一组概率值用于表示对应的元素的多个候选取值的概率；根据所述K组概率值对所述K个元素进行熵编码。
图像块可以是指视频数据流中的任意一帧完整的图像帧，也可以是指视频数据流中的任意一帧图像帧分割而来的任意一个图像块或图像区域。为了便于描述，本申请中将图像帧、图像块或图像区域统称为“图像块”。应当理解，虽称作图像块，但这本非是对编码对象的限定。
在分层编码技术中，针对待编码的图像块，编码器可以采用任意一种编码方式(例如混合编码方式或者E2E图像编码方式等)对该图像块进行编码，获得的编码后的信息即为基本层信息；编码器采用与上述编码方式对应的解码方式再对编码后的信息进行解码，获得该图像块的重建值，然后计算该图像块的原始值和重建值之间的差值，即为该图像块的增强层信息。
由此可见，图像块(假设图像块包含N个像素点)的基本层信息对应于图像块中的M个像素点，M≤N，这是因为在编码过程中还可能包含下采样处理，从而使得压缩编码获得基本层信息所对应的像素点的个数M比原始的图像块包含的像素点的个数N小；如果在编码过程中没有进行下采样处理，那么基本层信息所对应的像素点的个数M和原始的图像块包含的像素点的个数N相等。
在一种可能的实现方式中，基本层信息包括M个像素点的重建值。
编码器可以采用E2E图像编码等编码方式对图像块进行编码获得编码数据，然后编码器采用与前述编码方式对应的解码方式对编码数据进行解码获得该图像块中的M个像素点的重建值。因此基本层信息可以包括该M个像素点的重建值。
在一种可能的实现方式中，基本层信息包括M个像素点的预测值和/或残差值。
编码器采用混合编码方式对图像块进行编码获得编码数据，然后编码器采用混合解码方式对编码数据进行解码获得该图像块中的M个像素点的预测值和/或残差值。其中，根据编解码的效率，可能解码获得的残差值为0，当残差值为0时，可以获得M个像素点的重建值即为M个像素点的预测值；而当残差值不为0时，可以将M个像素点的预测值和残差值求和获得M个像素点的重建值。因此基本层信息可以包括M个像素点的重建值，也可以包括M个像素点的预测值和/或残差值。
在一种可能的实现方式中，基本层信息是指图像块中的M个像素点的变换值。
编码器在获获得上述M个像素点的残差值后，可以对该残差值进行变换(例如DCT变换或者DST变换)获得该M个像素点的变换值。可选的，编码器也可以直接对M个像素点的原始值进行变换(例如DCT变换或者DST变换)获得该M个像素点的变换值。
作为图像块的增益补充，增强层信息对应于图像块中的N个像素点。本申请中，K个元素可以有以下几种情况和获得方法：
1、K个元素是指K个特征值
编码器可以对图像块中的N个像素点的原始值进行特征提取获得K个特征值。基于此，K个元素是指K个特征值。
图像块的增强层信息可以是指上述N个像素点的原始值，因此增强层信息对应的K个元素可以是N个像素点的原始值对应的K个特征值。
特征提取是计算机视觉和图像处理中的一个概念，指的是使用计算机提取图像中属于特征性的信息的方法及过程。特征提取的结果是把图像上的像素点分为不同的子集，这些子集往往属于孤立的点、连续的曲线或者连续的区域。图8为本申请实施例的特征提取方法的一个示例性的示意图，如图8所示，增强层信息(即N个像素点的原始值)采用一个A×B×c的矩阵表示，其中，A×B表示图像块的尺寸，c表示图像块的色彩空间的分量数。例如，在YUV色彩空间中，c为1表示对Y、U和V三个分量分别进行编码，即该三个分量分别对应一个A×B×1的矩阵；c为2表示对Y、U和V三个分量的其中任意两个分量同时进行编码，即该三个分量的其中任意两个分量对应一个A×B×2的矩阵；c为3表示对Y、U和V三个分量同时进行编码，即该三个分量对应一个A×B×3的矩阵。用于特征提取的编码器(Encoder)由卷积层(conv)和归一化层(GND)构成，例如四个conv和三个GND穿插级联构成Encoder，其中conv的尺寸可以是5×5×192/2，5×5表示卷积核的尺寸，192表示卷积层的深度(包含的通道数)，2表示下采样因子。Encoder生成一个P×Q×M的矩阵，其中P×Q表示特征图的尺寸，M表示特征图的通道数，该矩阵中的元素的值即为上述K个特征值。
2、K个元素是指K个差值特征值
编码器可以对N个像素点的原始值进行混合编码获得N个像素点的编码值；对N个像素点的编码值进行混合解码获得N个像素点的重建值；根据N个像素点的原始值和N个像素点的重建值求差获得N个像素点的第一差值；对N个像素点的第一差值进行特征提取获得K个差值特征值。基于此，K个元素是指K个差值特征值。
图像块的增强层信息可以是指上述N个像素点的第一差值，因此增强层信息对应的K个元素可以是N个像素点的第一差值对应的K个差值特征值。同样可以采用图8所示的Encoder对增强层信息(即N个像素点的第一差值)进行特征提取，获得上述K个差值特征值。
3、K个元素是指K个变换值特征值
编码器可以获得N个像素点的预测值；根据N个像素点的原始值和N个像素点的预测值求差获得N个像素点的第二差值；对N个像素点的第二差值进行变换获得N个像素点的变换值；对N个像素点的变换值进行特征提取获得K个变换值特征值。基于此，K个元素是指K个变换值特征值。
图像块的增强层信息可以是指上述N个像素点的变换值，因此增强层信息对应的K个元素可以是N个像素点的变换值对应的K个变换值特征值。同样可以采用图8所示的Encoder对增强层信息(即N个像素点的变换值)进行特征提取，获得上述K个变换值特征值。
4、K个元素包括最后一个非零值的坐标，第一个值以及其他值
编码器可以获得N个像素点的预测值；根据N个像素点的原始值和N个像素点的预测值求差获得N个像素点的第二差值；对N个像素点的第二差值进行变换获得N个像素点的变换值；对N个像素点的变换值进行量化取获得N个像素点的量化变换值；从N个像素点的量化变换值中提取最后一个非零值的坐标，N个像素点的量化变换值的第一个值以及N个像素点的量化变换值的第二个值到最后一个非零值之间的所有值。基于此，K个元素包括最后一个非零值的坐标，第一个值以及第二个值到最后一个非零值之间的所有值。
图像块的增强层信息可以是指上述N个像素点的量化变换值，因此增强层信息对应的K个元素可以包括从N个像素点的量化变换值中提取的最后一个非零值的坐标(Lastx,y)，N个像素点的量化变换值中的第一个值(DC系数)以及N个像素点的量化变换值的第二个值到最后一个非零值之间的所有值(AC系数)。需要说明的是，N个像素点的量化变换值中可能存在相同的值，例如，第一个值、第二个值、第三个值均相等，那么DC系数是N个像素点的量化变换值中的第一个值，AC系数是从N个像素点的量化变换值中的第二个值取到最后一个非零值，其中第二个值和第三个值是两个同样的数字，也与DC系数相同。而取到最后一个非零值是因为最后一个非零值之后的值均为0，因此不需要再对这些0获得其概率值，但是N个像素点的量化变换值中的第二个值到最后一个非零值之间的所有值中也可能有一个或多个值为0，这对这样的0需要获得其概率值。
可选的，编码器可以对与基本层信息对应的M个像素点的原始值进行混合编码获得M个像素点的编码值；对M个像素点的编码值进行混合解码获得M个像素点的重建值；根据M个像素点的重建值获得N个像素点的预测值。在一种可能的实现方式中，对M个像素点的原始值进行混合编码时，只编码M个像素点的预测方式相关的模式信息，编码对象不包含M个像素的残差值，此时对M个像素点的编码值进行混合解码获得M个像素点的重建值即为M个像素点的预测值。
其中，当N＝M时，编码器可以根据M个像素点的重建值获得N个像素点的预测值；或者，当N＞M时，编码器需要先对M个像素点的重建值进行插值获得N个像素点的重建值，然后根据N个像素点的重建值获得N个像素点的预测值。
神经网络是训练引擎基于训练数据集合训练获得的，该神经网络可以处理输入的图像块的基本层信息，以生成上述K个元素对应的K组概率值。图9为本申请实施例的神经网络的一个示例性的结构图，如图9所示，神经网络由由卷积层(conv)和激活层(ReLU)构成，例如四个conv和三个ReLU穿插级联构成神经网络，其中第一个conv的尺寸可以是1×3×3×M/2，1表示输入的图像块的通道数，3×3表示卷积核大小，M表示卷积层输出的特征图的通道数，2表示下采样因子；第二个conv的尺寸可以是M×3×3×M/2，M表示输入图像块的通道数，3×3表示卷积核大小，M表示卷积层输出的特征图的通道数，2表示下采样因子；第三个conv的尺寸可以是M×3×3×M/2，M表示输入图像块的通道数，3×3表示卷积核大小，M表示卷积层输出的特征图的通道数，2表示下采样因子；第四个conv的尺寸可以是M×3×3×2M/2，M表示输入图像块的通道数，3×3表示卷积核大小，2M表示卷积层输出的特征图的通道数，2表示下采样因子。
本申请实施例中训练数据集合与上述K个元素相关联，即针对K个元素的不同的物理含义，训练数据集合随之发生变化。
可选的，当K个元素是指上述K个特征值、K个差值特征值和K个变换值特征值的其中之一时，训练数据集合包括多个图像块各自的M个像素点的原始值，以及该多个图像块各自的N个像素点分别对应的K组概率值。
可选的，当K个元素是指上述Last x,y、DC系数和AC系数时，训练数据集合包括多个图像块各自的M个像素点的量化变换值，以及多个图像块各自的N个像素点分别对应的K组概率值。
在一种可能的实现方式中，训练引擎训练神经网络的过程包括：使用PyTorch软件在NVIDIA V100 GPUs上训练神经网络。例如，采用自适应矩阵估计(adaptive momentestimation，Adam)算法优化训练神经网络，DIV2K数据集作为其训练数据集合。在图像块的基本层采用VVC参考软件对图像块进行压缩编码，用图像块的原始值和图像块的重建值(由图像块的基本层信息获得)计算获得增强层图像块的残差值(即增强层信息)。Encoder网络提取增强层图像块的残差值的特征值，神经网络根据基本层信息对应的残差值估计增强层图像块的残差值的特征值的概率分布，Decoder网络根据残差值的特征值重建增强层图像块的残差值。为了使Encoder网络、Decoder网络和熵估计神经网络高效耦合，Encoder网络、Decoder网络和熵估计可以进行联合训练。训练的优化目标与端到端图像编码优化目标相同，对码率-失真(R+λD)联合优化，其函数表达式为：
Figure BDA0002713885030000041
其中，py(y)表示神经网络输出的第y组概率值，Δx表示图像块的残差值，Δx’表示图像块的残差值的重建值。
在一种可能的实现方式中，训练引擎训练神经网络的过程包括：使用PyTorch软件在NVIDIA V100 GPUs上训练神经网络。例如，采用Adam算法优化训练神经网络，DIV2K数据集作为其训练数据集合。在图像块的基本层采用VVC参考软件对图像块进行压缩编码，再解码获得图像块的重建值，用图像块的原始值和图像块的重建值(由图像块的基本层信息获得)计算获得增强层图像块的残差值。Encoder网络提取增强层图像块的残差值的特征值，神经网络根据基本层的重建值估计增强层图像块残差值的特征值的概率分布。Decoder根据残差值的特征值和基本层重建值重建更高质量的重建值。为了使Encoder、Decoder和神经网络高效耦合，Encoder、Decoder和神经网络可以进行联合训练。训练的优化目标与端到端图像编码优化目标相同，对码率-失真(R+λD)联合优化，其函数表达式为：
Figure BDA0002713885030000051
其中，x表示图像块的原始值，x’表示图像块的重建值。
在一种可能的实现方式中，训练引擎训练神经网络的过程包括：使用PyTorch软件在NVIDIA V100 GPUs上训练神经网络。例如，采用Adam算法优化神经网络，DIV2K数据集作为其训练数据集合。在图像块的基本层采用任意编解码器进行压缩编码，再解码获得图像块的重建值(由图像块的基本层信息获得)。在图像块的增强层采用VVC参考软件对图像块进行压缩编码，提取图像块的变换值。Encoder网络提取增强层图像块的变换值的特征值，神经网络根据基本层的重建值的变换值估计增强层图像块变换值的特征值的概率分布。Decoder根据变换值的特征值重建增强层图像块的变换值。为了使Encoder、Decoder和神经网络高效耦合，Encoder、Decoder和神经网络可以进行联合训练。训练的优化目标与端到端图像编码优化目标相同，对码率-失真(R+λD)联合优化，其函数表达式为：
Figure BDA0002713885030000052
其中，py(y)表示神经网络输出的第y组概率值，T表示图像块的变换值，T’表示图像块的残差值的变换值。
K组概率值和上述K个元素对应，任意一组概率值用于表示对应的元素的多个候选取值的概率。例如，图10为本申请实施例的K个元素的一个示例性的示意图，如图10所示，假设K个元素包括A、B、C和D四个特征点，这四个特征点的取值范围均为{-2,-1,0,1,2}，对应于A的一组概率值包含4个概率值，该4个概率值分别对应于A的取值范围{-2,-1,0,1,2}中的4个值；对应于B的一组概率值包含4个概率值，该4个概率值分别对应于B的取值范围{-2,-1,0,1,2}中的4个值；以此类推。可见，每个特征点(元素)对应一组概率值，每组概率值包含的概率值的数量与其对应的特征点的取值范围相关联。
本申请中获得的基本层信息输入神经网络获得K组概率值。该神经网络可以由卷积层(conv)和激活层(ReLU)构成，例如四个conv和三个ReLU穿插级联构成神经网络。关于神经网络的训练和使用可参照训练引擎25相关描述，此处不再赘述。
在一种可能的实现方式中，当与上述几种情况下的K个元素中的部分或全部元素的多个候选取值的概率满足高斯分布时，满足高斯分布的元素对应的一组概率值包括其所满足的高斯分布的方差和均值。即每个元素的取值是离散的，因此存在一个或多个元素的多个候选取值的概率满足高斯概率分布，因此神经网络可以该一个或多个元素各自所满足的高斯分布的方差和均值，用以表示该一个或多个元素各自的多个候选取值的概率值。
本申请利用神经网络输出的K组概率值进行熵编码。例如，如图10所示，A、B、C和D的取值范围均为{-2,-1,0,1,2}，其中，针对A的各个候选取值：-2的概率值为0.1，-1的概率值为0.2，0的概率值为0.4，1的概率值为0.2，2的概率值为0.1；针对B的各个候选取值：-2的概率值为0.15，-1的概率值为0.3，0的概率值为0.3，1的概率值为0.2，2的概率值为0.05；针对C的各个候选取值：-2的概率值为0.05，-1的概率值为0.1，0的概率值为0.4，1的概率值为0.4，2的概率值为0.05；针对D的各个候选取值：-2的概率值为0.5，-1的概率值为0.2，0的概率值为0.15，1的概率值为0.1，2的概率值为0.05。因此，图11为本申请实施例的算术编码算法的一个示例性的示意图，如图11所示，按照算术编码算法，根据A、B、C和D各自的取值，对概率区间[0,1]进行逐层划分，将A、B、C和D各自的取值表示成其对应的概率区间内的一个间隔，最后输出的“当前间隔”的下边界就是编码后的码字。假设A、B、C和D的取值均为0，根据A的各个候选取值的概率值，概率区间[0,1]被划分成0～0.1、0.1～0.3、0.3～0.7、0.7～0.9以及0.9～1五个间隔，其中对应于取值0的间隔为0.3～0.7；根据B的各个候选取值的概率值，概率区间[0.3,0.7]被划分成0.3～0.36、0.36～0.48、0.48～0.6、0.6～0.68以及0.68～0.7五个间隔，其中对应于取值0的间隔为0.48～0.6；根据C的各个候选取值的概率值，概率区间[0.48,0.6]被划分成0.48～0.486、0.486～0.498、0.498～0.546、0.546～0.594以及0.594～0.6五个间隔，其中对应于取值0的间隔为0.498～0.546；根据D的各个候选取值的概率值，概率区间[0.498,0.546]被划分成0.498～0.522、0.522～0.5316、0.5316～0.5388、0.5388～0.5436以及0.5436～0.546五个间隔，其中对应于取值0的间隔为0.5316～0.5388。因此“当前间隔”为0.5316～0.5388，取其下边界0.5316作为编码后的码字。编码器可以将0.5316定点化表示写入码流。
本申请充分挖掘分层编码技术中增强层与基本层之间的相关性，利用基本层信息对增强层信息对应的多个元素进行概率估计，获得的概率值准确度较高，进而基于该概率值对多个元素进行熵编码，可以提高熵编码的效率。
第二方面，本申请提供一种熵解码方法，包括：获得码流；解析所述码流获得待解码的图像块的基本层信息和编码数据，所述基本层信息对应于所述图像块中的M个像素点，所述编码数据对应于增强层信息，所述增强层信息和所述图像块中的N个像素点对应，M和N均为正整数，N≥M；将所述基本层信息输入神经网络获得K组概率值，所述K组概率值K个元素对应，任意一组概率值用于表示对应的元素的多个候选取值的概率，K为正整数；根据所述K组概率值对所述编码数据进行熵解码获得所述K个元素；根据所述K个元素获得所述N个像素点的重建值，N为正整数。
解码器可以通过与编码器之间的通信链路接收码流。针对待解码的图像块，解码器解析其对应的码流，从数据中获得基本层信息，基本层信息对应于图像块中的M个像素点。码流中还包含了对应于图像块的增强层信息的编码数据，解码器可以从数据负载中读取该编码数据，增强层信息和图像块中的N个像素点对应，N≥M。
K组概率值和K个元素对应，任意一组概率值用于表示对应的元素的多个候选取值的概率。例如，如图10和11所示，已获得编码后的码字为0.5316和A、B、C和D四个特征点各自的5个候选取值的概率值，针对A的各个候选取值：0.5316所属的间隔为0.3～0.7，该间隔对应取值0，因此A的取值为0；针对B的各个候选取值：0.5316所属的间隔为0.48～0.6，该间隔对应取值0，因此B的取值为0；针对C的各个候选取值：0.5316所属的间隔为0.498～0.546，该间隔对应取值0，因此C的取值为0；针对D的各个候选取值：0.5316所属的间隔为0.5316～0.5388，该间隔对应取值0，因此D的取值为0。由此可得，K个元素为A、B、C和D四个特征，其取值均为0。
与编码端相对应，K个元素也可以有多种实施方式，而K个元素具体的表示对象可以由编码端和解码端共同约定，也可以由编码端将K个元素的指示信息携带于码流中传输给解码端，解码端解析码流获得该指示信息。
1、K个元素是指K个特征值
解码器可以对K个特征值进行反特征提取获得N个像素点的重建值。
2、K个元素是指K个差值特征值
解码器可以对K个差值特征值进行反特征提取获得N个像素点的第一差值；解析码流获得图像块的基本层信息对应的M个像素点的重建值，N≥M；根据M个像素点的重建值获得N个像素点的预测值；根据N个像素点的预测值和N个像素点的第一差值获得N个像素点的重建值。
3、K个元素是指K个变换值特征值
解码器可以对K个变换值特征值进行反特征提取获得N个像素点的变换值；对N个像素点的变换值进行反变换获得N个像素点的第二差值；解析码流获得图像块的基本层信息对应的M个像素点的重建值，N≥M；根据M个像素点的重建值获得N个像素点的预测值；根据N个像素点的预测值和N个像素点的第二差值获得N个像素点的重建值。
4、K个元素包括N个像素点的变换值中最后一个非零值的坐标，N个像素点的变换值的第一个值以及N个像素点的量化变换值的第二个值到最后一个非零值之间的所有值
解码器可以根据最后一个非零值的坐标，第一个值以及第二个值到最后一个非零值之间的所有值进行反量化获得N个像素点的变换值；对N个像素点的变换值进行反变换获得N个像素点的第二差值；解析码流获得图像块的基本层信息对应的M个像素点的重建值，N≥M；根据M个像素点的重建值获得N个像素点的预测值；根据N个像素点的预测值和N个像素点的第二差值获得N个像素点的重建值。
可选的，当N＞M时，解码器可以对M个像素点的重建值进行插值获得N个像素点的重建值；根据N个像素点的重建值和N个像素点的第一差值求和获得N个像素点的重建值。或者，当N＝M时，解码器可以根据M个像素点的重建值和N个像素点的第一差值求和获得N个像素点的重建值。
可选的，当N＞M时，解码器可以对M个像素点的预测值进行插值获得N个像素点的预测值；根据N个像素点的预测值和N个像素点的第二差值求和获得N个像素点的重建值；或者，当N＝M时，解码器可以根据M个像素点的预测值和N个像素点的第二差值求和获得N个像素点的重建值。
本申请码流中增强层只携带图像块的增强层信息对应的多个元素值，解码端利用神经网络根据基本层信息估计增强层信息对应的多个元素的多个候选取值的概率值，因此无需编码传输额外的隐变量，可以节省字节数，提高熵解码效率。
第三方面，本申请提供一种熵编码装置，包括：获得模块，用于获得待编码的图像块的基本层信息，所述基本层信息对应于所述图像块中的M个像素点，M为正整数；获得与所述图像块的增强层信息对应的K个元素，所述增强层信息对应于所述图像块中的N个像素点，K和N均为正整数，N≥M；将所述基本层信息输入神经网络获得K组概率值，所述K组概率值和所述K个元素对应，任意一组概率值用于表示对应的元素的多个候选取值的概率；熵编码模块，用于根据所述K组概率值对所述K个元素进行熵编码。
在一种可能的实现方式中，所述基本层信息包括所述M个像素点的重建值；或者，所述基本层信息包括所述M个像素点的预测值和/或残差值；或者，所述基本层信息包括所述M个像素点的变换值。
在一种可能的实现方式中，所述获得模块，具体用于对所述N个像素点的原始值进行特征提取获得K个特征值；相应的，所述K个元素是指所述K个特征值。
在一种可能的实现方式中，所述获得模块，具体用于对所述N个像素点的原始值进行混合编码获得所述N个像素点的编码值；对所述N个像素点的编码值进行混合解码获得所述N个像素点的重建值；根据所述N个像素点的原始值和所述N个像素点的重建值求差获得所述N个像素点的第一差值；对所述N个像素点的第一差值进行特征提取获得K个差值特征值；相应的，所述K个元素是指所述K个差值特征值。
在一种可能的实现方式中，所述获得模块，具体用于获得所述N个像素点的预测值；根据所述N个像素点的原始值和所述N个像素点的预测值求差获得所述N个像素点的第二差值；对所述N个像素点的第二差值进行变换获得所述N个像素点的变换值；对所述N个像素点的变换值进行特征提取获得K个变换值特征值；相应的，所述K个元素是指所述K个变换值特征值。
在一种可能的实现方式中，所述获得模块，具体用于获得所述N个像素点的预测值；根据所述N个像素点的原始值和所述N个像素点的预测值求差获得所述N个像素点的第二差值；对所述N个像素点的第二差值进行变换获得所述N个像素点的变换值；对所述N个像素点的变换值进行量化取获得所述N个像素点的量化变换值；从所述N个像素点的量化变换值中提取最后一个非零值的坐标，第一个值以及所述N个像素点的量化变换值的第二个值到所述最后一个非零值之间的所有值；相应的，所述K个元素包括所述最后一个非零值的坐标，所述第一个值以及所述所有值。
在一种可能的实现方式中，所述获得模块，具体用于对所述M个像素点的原始值进行混合编码获得所述M个像素点的编码值；对所述M个像素点的编码值进行混合解码获得所述M个像素点的重建值；根据所述M个像素点的重建值获得所述N个像素点的预测值。
在一种可能的实现方式中，所述获得模块，具体用于当N＝M时，根据所述M个像素点的重建值获得所述N个像素点的预测值；或者，当N＞M时，对所述M个像素点的重建值进行插值获得N个像素点的重建值，根据所述N个像素点的重建值获得所述N个像素点的预测值。
在一种可能的实现方式中，当第一元素的多个候选取值的概率满足高斯分布时，所述第一元素对应的一组概率值包括所述第一元素的多个候选取值的概率所满足的高斯分布的方差和均值，所述第一元素是所述K个元素中的任意一个。
在一种可能的实现方式中，所述神经网络包括卷积层；所述卷积层的卷积核的深度为24、32、48、64、192或者384；所述卷积层中的卷积核的尺寸为1×1、3×3、5×5或者7×7。
在一种可能的实现方式中，所述神经网络包括卷积神经网络CNN、深度神经网络DNN或者循环神经网络RNN。
在一种可能的实现方式中，还包括：训练模块，用于获得训练数据集合，其中所述训练数据集合包括多个图像块各自的M个像素点的原始值，以及所述多个图像块各自的N个像素点分别对应的K组概率值；或者，所述训练数据集合包括多个图像块各自的M个像素点的量化变换值，以及所述多个图像块各自的N个像素点分别对应的K组概率值；根据所述训练数据集合训练获得所述神经网络。
第四方面，本申请提供一种熵解码装置，包括：获得模块，用于获得码流；熵解码模块，用于解析所述码流获得待解码的图像块的基本层信息和编码数据，所述基本层信息对应于所述图像块中的M个像素点，所述编码数据对应于增强层信息，所述增强层信息和所述图像块中的N个像素点对应，M和N均为正整数，N≥M；将所述基本层信息输入神经网络获得K组概率值，所述K组概率值K个元素对应，任意一组概率值用于表示对应的元素的多个候选取值的概率，K为正整数；根据所述K组概率值对所述编码数据进行熵解码获得所述K个元素；根据所述K个元素获得所述N个像素点的重建值，N为正整数。
在一种可能的实现方式中，当所述K个元素是指K个特征值时，所述熵解码模块，具体用于对所述K个特征值进行反特征提取获得所述N个像素点的重建值。
在一种可能的实现方式中，当所述K个元素是指K个差值特征值时，所述熵解码模块，具体用于对所述K个差值特征值进行反特征提取获得所述N个像素点的第一差值；解析所述码流获得所述图像块的基本层信息对应的M个像素点的重建值，N≥M；根据所述M个像素点的重建值和所述N个像素点的第一差值获得所述N个像素点的重建值。
在一种可能的实现方式中，当所述K个元素是指K个变换值特征值时，所述熵解码模块，具体用于对所述K个变换值特征值进行反特征提取获得所述N个像素点的变换值；对所述N个像素点的变换值进行反变换获得所述N个像素点的第二差值；解析所述码流获得所述图像块的基本层信息对应的M个像素点的重建值，N≥M；根据所述M个像素点的重建值获得所述M个像素点的预测值；根据所述M个像素点的预测值和所述N个像素点的第二差值获得所述N个像素点的重建值。
在一种可能的实现方式中，当所述K个元素包括所述N个像素点的变换值中最后一个非零值的坐标，第一个值以及所述N个像素点的量化变换值的第二个值到所述最后一个非零值之间的所有值时，所述熵解码模块，具体用于根据所述最后一个非零值的坐标，所述第一个值以及所述所有值进行反量化获得所述N个像素点的变换值；对所述N个像素点的变换值进行反变换获得所述N个像素点的第二差值；解析所述码流获得所述图像块的基本层信息对应的M个像素点的重建值，N≥M；根据所述M个像素点的重建值获得所述M个像素点的预测值；根据所述M个像素点的预测值和所述N个像素点的第二差值获得所述N个像素点的重建值。
在一种可能的实现方式中，所述熵解码模块，具体用于当N＞M时，对所述M个像素点的重建值进行插值获得N个像素点的重建值；根据所述N个像素点的重建值和所述N个像素点的第一差值求和获得所述N个像素点的重建值；或者，当N＝M时，根据所述M个像素点的重建值和所述N个像素点的第一差值求和获得所述N个像素点的重建值。
在一种可能的实现方式中，所述熵解码模块，具体用于当N＞M时，对所述M个像素点的预测值进行插值获得N个像素点的预测值；根据所述N个像素点的预测值和所述N个像素点的第二差值求和获得所述N个像素点的重建值；或者，当N＝M时，根据所述M个像素点的预测值和所述N个像素点的第二差值求和获得所述N个像素点的重建值。
第五方面，本申请提供一种编码器，包括处理电路，用于执行根据上述第一方面中任一项所述的方法。
第六方面，本申请提供一种解码器，包括处理电路，用于执行根据上述第二方面中任一项所述的方法。
第七方面，本申请提供一种计算机程序产品，包括程序代码，当其在计算机或处理器上执行时，用于执行根据权利要求任一项所述的方法。
第八方面，本申请提供一种编码器，其特征在于，包括：一个或多个处理器；非瞬时性计算机可读存储介质，耦合到所述处理器并存储由所述处理器执行的程序，其中所述程序在由所述处理器执行时，使得所述编码器执行根据上述第一方面中任一项所述的方法。
第九方面，本申请提供一种解码器，包括：一个或多个处理器；非瞬时性计算机可读存储介质，耦合到所述处理器并存储由所述处理器执行的程序，其中所述程序在由所述处理器执行时，使得所述解码器执行根据上述第二方面中任一项所述的方法。
第十方面，本申请提供一种非瞬时性计算机可读存储介质，其特征在于，包括程序代码，当其由计算机设备执行时，用于执行根据上述第一至二方面中任一项所述的方法。
附图及以下说明中将详细描述一个或多个实施例。其它特征、目的和优点在说明、附图以及权利要求中是显而易见的。
附图说明
图1A为本申请实施例的译码系统10的示例性框图；
图1B为本申请实施例的视频译码系统40的示例性框图；
图2为本申请实施例的视频编码器20的示例性框图；
图3为本申请实施例的视频解码器30的示例性框图；
图4为本申请实施例的视频译码设备400的示例性框图；
图5为本申请实施例的装置500的示例性框图；
图6为本申请实施例的熵编/解码方法的一个示例性的框架图；
图7为本申请实施例的熵编码方法的过程700的流程图；
图8为本申请实施例的特征提取方法的一个示例性的示意图；
图9为本申请实施例的神经网络的一个示例性的结构图；
图10为本申请实施例的K个元素的一个示例性的示意图；
图11为本申请实施例的算术编码算法的一个示例性的示意图；
图12为本申请实施例的熵解码方法的过程1200的流程图；
图13为本申请熵编码方法的一个示例性的流程图；
图14为本申请神经网络的一个示例性的结构框图；
图15为本申请熵编码方法的一个示例性的流程图；
图16为本申请熵编码方法的一个示例性的流程图；
图17为本申请熵编码方法的一个示例性的流程图；
图18为本申请熵编码方法的一个示例性的流程图；
图19为本申请熵编码方法的一个示例性的流程图；
图20为本申请实施例熵编码装置2000的结构示意图；
图21为本申请实施例熵解码装置2100的结构示意图。
具体实施方式
本申请实施例提供一种基于AI的视频图像压缩技术，尤其是提供一种基于神经网络的视频压缩技术，具体提供一种基于NN的熵编/解码技术，以改进传统的混合视频编解码系统。
视频编码通常是指处理形成视频或视频序列的图像序列。在视频编码领域，术语“图像(picture)”、“帧(frame)”或“图片(image)”可以用作同义词。视频编码(或通常称为编码)包括视频编码和视频解码两部分。视频编码在源侧执行，通常包括处理(例如，压缩)原始视频图像以减少表示该视频图像所需的数据量(从而更高效存储和/或传输)。视频解码在目的地侧执行，通常包括相对于编码器作逆处理，以重建视频图像。实施例涉及的视频图像(或通常称为图像)的“编码”应理解为视频图像或视频序列的“编码”或“解码”。编码部分和解码部分也合称为编解码(编码和解码，CODEC)。
在无损视频编码情况下，可以重建原始视频图像，即重建的视频图像与原始视频图像具有相同的质量(假设存储或传输期间没有传输损耗或其它数据丢失)。在有损视频编码情况下，通过量化等执行进一步压缩，来减少表示视频图像所需的数据量，而解码器侧无法完全重建视频图像，即重建的视频图像的质量比原始视频图像的质量较低或较差。
几个视频编码标准属于“有损混合型视频编解码”(即，将像素域中的空间和时间预测与变换域中用于应用量化的2D变换编码结合)。视频序列中的每个图像通常分割成不重叠的块集合，通常在块级上进行编码。换句话说，编码器通常在块(视频块)级处理即编码视频，例如，通过空间(帧内)预测和时间(帧间)预测来产生预测块；从当前块(当前处理/待处理的块)中减去预测块，获得残差块；在变换域中变换残差块并量化残差块，以减少待传输(压缩)的数据量，而解码器侧将相对于编码器的逆处理部分应用于编码或压缩的块，以重建用于表示的当前块。另外，编码器需要重复解码器的处理步骤，使得编码器和解码器生成相同的预测(例如，帧内预测和帧间预测)和/或重建像素，用于处理，即编码后续块。
在以下译码系统10的实施例中，编码器20和解码器30根据图1A至图3进行描述。
图1A为示例性译码系统10的示意性框图，例如可以利用本申请技术的视频译码系统10(或简称为译码系统10)。视频译码系统10中的视频编码器20(或简称为编码器20)和视频解码器30(或简称为解码器30)代表可用于根据本申请中描述的各种示例执行各技术的设备等。
如图1A所示，译码系统10包括源设备12，源设备12用于将编码图像等编码图像数据21提供给用于对编码图像数据21进行解码的目的设备14。
源设备12包括编码器20，另外即可选地，可包括图像源16、图像预处理器等预处理器(或预处理单元)18、通信接口(或通信单元)22。
图像源16可包括或可以为任意类型的用于捕获现实世界图像等的图像捕获设备，和/或任意类型的图像生成设备，例如用于生成计算机动画图像的计算机图形处理器或任意类型的用于获得和/或提供现实世界图像、计算机生成图像(例如，屏幕内容、虚拟现实(virtual reality，VR)图像和/或其任意组合(例如增强现实(augmented reality，AR)图像)的设备。所述图像源可以为存储上述图像中的任意图像的任意类型的内存或存储器。
为了区分预处理器(或预处理单元)18执行的处理，图像(或图像数据)17也可称为原始图像(或原始图像数据)17。
预处理器18用于接收(原始)图像数据17，并对图像数据17进行预处理，获得预处理图像(或预处理图像数据)19。例如，预处理器18执行的预处理可包括修剪、颜色格式转换(例如从RGB转换为YCbCr)、调色或去噪。可以理解的是，预处理单元18可以为可选组件。
视频编码器(或编码器)20用于接收预处理图像数据19并提供编码图像数据21(下面将根据图2等进一步描述)。
源设备12中的通信接口22可用于：接收编码图像数据21并通过通信信道13向目的设备14等另一设备或任何其它设备发送编码图像数据21(或其它任意处理后的版本)，以便存储或直接重建。
目的设备14包括解码器30，另外即可选地，可包括通信接口(或通信单元)28、后处理器(或后处理单元)32和显示设备34。
目的设备14中的通信接口28用于直接从源设备12或从存储设备等任意其它源设备接收编码图像数据21(或其它任意处理后的版本)，例如，存储设备为编码图像数据存储设备，并将编码图像数据21提供给解码器30。
通信接口22和通信接口28可用于通过源设备12与目的设备14之间的直连通信链路，例如直接有线或无线连接等，或者通过任意类型的网络，例如有线网络、无线网络或其任意组合、任意类型的私网和公网或其任意类型的组合，发送或接收编码图像数据(或编码数据)21。
例如，通信接口22可用于将编码图像数据21封装为报文等合适的格式，和/或使用任意类型的传输编码或处理来处理所述编码后的图像数据，以便在通信链路或通信网络上进行传输。
通信接口28与通信接口22对应，例如，可用于接收传输数据，并使用任意类型的对应传输解码或处理和/或解封装对传输数据进行处理，获得编码图像数据21。
通信接口22和通信接口28均可配置为如图1A中从源设备12指向目的设备14的对应通信信道13的箭头所指示的单向通信接口，或双向通信接口，并且可用于发送和接收消息等，以建立连接，确认并交换与通信链路和/或例如编码后的图像数据传输等数据传输相关的任何其它信息，等等。
视频解码器(或解码器)30用于接收编码图像数据21并提供解码图像数据(或解码图像数据)31(下面将根据图3等进一步描述)。
后处理器32用于对解码后的图像等解码图像数据31(也称为重建后的图像数据)进行后处理，获得后处理后的图像等后处理图像数据33。后处理单元32执行的后处理可以包括例如颜色格式转换(例如从YCbCr转换为RGB)、调色、修剪或重采样，或者用于产生供显示设备34等显示的解码图像数据31等任何其它处理。
显示设备34用于接收后处理图像数据33，以向用户或观看者等显示图像。显示设备34可以为或包括任意类型的用于表示重建后图像的显示器，例如，集成或外部显示屏或显示器。例如，显示屏可包括液晶显示器(liquid crystal display，LCD)、有机发光二极管(organic light emitting diode，OLED)显示器、等离子显示器、投影仪、微型LED显示器、硅基液晶显示器(liquid crystal on silicon，LCoS)、数字光处理器(digital lightprocessor，DLP)或任意类型的其它显示屏。
译码系统10还包括训练引擎25，训练引擎25用于根据训练数据集合训练编码器20(尤其是编码器20中的熵编码单元)，以处理输入的图像或图像区域或图像块的基本层信息，以生成图像或图像区域或图像块的增强层信息对应的概率值。
本申请实施例中的训练数据集合可以存入数据库(未示意)中，训练引擎25基于训练数据集合训练获得目标模型(例如：可以是用于熵编码的神经网络等)。需要说明的是，本申请实施例对于训练数据集合的来源不做限定，例如可以是从云端或其他地方获得训练数据集合进行模型训练。
训练引擎25训练获得的目标模型可以应用于译码系统10中，例如，应用于图1A所示的源设备12(例如编码器20)。训练引擎25可以在云端训练获得目标模型，然后译码系统10从云端下载并使用该目标模型；或者，训练引擎25可以在云端训练获得目标模型并使用该目标模型，译码系统10从云端直接获得处理结果。例如，训练引擎25训练获得目标模型，译码系统10从云端下载该目标模型，然后编码器20中的熵编码单元270可以根据该目标模型对输入的基本层信息进行处理，获得增强层信息对应的多组概率值，进而实现对增强层信息的熵编码。又例如，训练引擎25训练获得目标模型，译码系统10无需从云端下载该目标模型，编码器20将基本层信息传输给云端，由云端通过目标模型对该基本层信息进行处理，并完成对增强层信息的熵编码并传输给编码器20。
尽管图1A示出了源设备12和目的设备14作为独立的设备，但设备实施例也可以同时包括源设备12和目的设备14或同时包括源设备12和目的设备14的功能，即同时包括源设备12或对应功能和目的设备14或对应功能。在这些实施例中，源设备12或对应功能和目的设备14或对应功能可以使用相同硬件和/或软件或通过单独的硬件和/或软件或其任意组合来实现。
根据描述，图1A所示的源设备12和/或目的设备14中的不同单元或功能的存在和(准确)划分可能根据实际设备和应用而有所不同，这对技术人员来说是显而易见的。
编码器20(例如视频编码器20)或解码器30(例如视频解码器30)或两者都可通过如图1B所示的处理电路实现，例如一个或多个微处理器、数字信号处理器(digital signalprocessor，DSP)、专用集成电路(application-specific integrated circuit，ASIC)、现场可编程门阵列(field-programmable gate array，FPGA)、离散逻辑、硬件、视频编码专用处理器或其任意组合。编码器20可以通过处理电路46实现，以包含参照图2编码器20论述的各种模块和/或本文描述的任何其它编码器系统或子系统。解码器30可以通过处理电路46实现，以包含参照图3解码器30论述的各种模块和/或本文描述的任何其它解码器系统或子系统。所述处理电路46可用于执行下文论述的各种操作。如图5所示，如果部分技术在软件中实施，则设备可以将软件的指令存储在合适的非瞬时性计算机可读存储介质中，并且使用一个或多个处理器在硬件中执行指令，从而执行本发明技术。视频编码器20和视频解码器30中的其中一个可作为组合编解码器(encoder/decoder，CODEC)的一部分集成在单个设备中，如图1B所示。
源设备12和目的设备14可包括各种设备中的任一种，包括任意类型的手持设备或固定设备，例如，笔记本电脑或膝上型电脑、手机、智能手机、平板或平板电脑、相机、台式计算机、机顶盒、电视机、显示设备、数字媒体播放器、视频游戏控制台、视频流设备(例如，内容业务服务器或内容分发服务器)、广播接收设备、广播发射设备，等等，并可以不使用或使用任意类型的操作系统。在一些情况下，源设备12和目的设备14可配备用于无线通信的组件。因此，源设备12和目的设备14可以是无线通信设备。
在一些情况下，图1A所示的视频译码系统10仅仅是示例性的，本申请提供的技术可适用于视频编码设置(例如，视频编码或视频解码)，这些设置不一定包括编码设备与解码设备之间的任何数据通信。在其它示例中，数据从本地存储器中检索，通过网络发送，等等。视频编码设备可以对数据进行编码并将数据存储到存储器中，和/或视频解码设备可以从存储器中检索数据并对数据进行解码。在一些示例中，编码和解码由相互不通信而只是编码数据到存储器和/或从存储器中检索并解码数据的设备来执行。
图1B是根据一示例性实施例的包含图2的视频编码器20和/或图3的视频解码器30的视频译码系统40的实例的说明图。视频译码系统40可以包含成像设备41、视频编码器20、视频解码器30(和/或藉由处理电路46实施的视频编/解码器)、天线42、一个或多个处理器43、一个或多个内存存储器44和/或显示设备45。
如图1B所示，成像设备41、天线42、处理电路46、视频编码器20、视频解码器30、处理器43、内存存储器44和/或显示设备45能够互相通信。在不同实例中，视频译码系统40可以只包含视频编码器20或只包含视频解码器30。
在一些实例中，天线42可以用于传输或接收视频数据的经编码比特流。另外，在一些实例中，显示设备45可以用于呈现视频数据。处理电路46可以包含专用集成电路(application-specific integrated circuit，ASIC)逻辑、图形处理器、通用处理器等。视频译码系统40也可以包含可选的处理器43，该可选处理器43类似地可以包含专用集成电路(application-specific integrated circuit，ASIC)逻辑、图形处理器、通用处理器等。另外，内存存储器44可以是任何类型的存储器，例如易失性存储器(例如，静态随机存取存储器(static random access memory，SRAM)、动态随机存储器(dynamic random accessmemory，DRAM)等)或非易失性存储器(例如，闪存等)等。在非限制性实例中，内存存储器44可以由超速缓存内存实施。在其它实例中，处理电路46可以包含存储器(例如，缓存等)用于实施图像缓冲器等。
在一些实例中，通过逻辑电路实施的视频编码器20可以包含(例如，通过处理电路46或内存存储器44实施的)图像缓冲器和(例如，通过处理电路46实施的)图形处理单元。图形处理单元可以通信耦合至图像缓冲器。图形处理单元可以包含通过处理电路46实施的视频编码器20，以实施参照图2和/或本文中所描述的任何其它编码器系统或子系统所论述的各种模块。逻辑电路可以用于执行本文所论述的各种操作。
在一些实例中，视频解码器30可以以类似方式通过处理电路46实施，以实施参照图3的视频解码器30和/或本文中所描述的任何其它解码器系统或子系统所论述的各种模块。在一些实例中，逻辑电路实施的视频解码器30可以包含(通过处理电路46或内存存储器44实施的)图像缓冲器和(例如，通过处理电路46实施的)图形处理单元。图形处理单元可以通信耦合至图像缓冲器。图形处理单元可以包含通过处理电路46实施的视频解码器30，以实施参照图3和/或本文中所描述的任何其它解码器系统或子系统所论述的各种模块。
在一些实例中，天线42可以用于接收视频数据的经编码比特流。如所论述，经编码比特流可以包含本文所论述的与编码视频帧相关的数据、指示符、索引值、模式选择数据等，例如与编码分割相关的数据(例如，变换系数或经量化变换系数，(如所论述的)可选指示符，和/或定义编码分割的数据)。视频译码系统40还可包含耦合至天线42并用于解码经编码比特流的视频解码器30。显示设备45用于呈现视频帧。
应理解，本申请实施例中对于参考视频编码器20所描述的实例，视频解码器30可以用于执行相反过程。关于信令语法元素，视频解码器30可以用于接收并解析这种语法元素，相应地解码相关视频数据。在一些例子中，视频编码器20可以将语法元素熵编码成经编码视频比特流。在此类实例中，视频解码器30可以解析这种语法元素，并相应地解码相关视频数据。
为便于描述，参考通用视频编码(Versatile video coding，VVC)参考软件或由ITU-T视频编码专家组(Video Coding Experts Group，VCEG)和ISO/IEC运动图像专家组(Motion Picture Experts Group，MPEG)的视频编码联合工作组(Joint CollaborationTeam on Video Coding，JCT-VC)开发的高性能视频编码(High-Efficiency VideoCoding，HEVC)描述本发明实施例。本领域普通技术人员理解本发明实施例不限于HEVC或VVC。
编码器和编码方法
图2为用于实现本申请技术的视频编码器20的示例的示意性框图。在图2的示例中，视频编码器20包括输入端(或输入接口)201、残差计算单元204、变换处理单元206、量化单元208、反量化单元210、逆变换处理单元212、重建单元214、环路滤波器220、解码图像缓冲器(decoded picture buffer，DPB)230、模式选择单元260、熵编码单元270和输出端(或输出接口)272。模式选择单元260可包括帧间预测单元244、帧内预测单元254和分割单元262。帧间预测单元244可包括运动估计单元和运动补偿单元(未示出)。图2所示的视频编码器20也可称为混合型视频编码器或基于混合型视频编解码器的视频编码器。
参见图2，熵编码单元270包括经过训练的目标模型(亦称为神经网络)，该神经网络用于处理输入的图像或图像区域或图像块的基本层信息，以生成图像或图像区域或图像块的增强层信息对应的概率值。例如，用于熵编码的神经网络用于接收输入的图像或图像区域或图像块的基本层信息，并且生成输入的图像或图像区域或图像块的增强层信息对应的多组概率值。
残差计算单元204、变换处理单元206、量化单元208和模式选择单元260组成编码器20的前向信号路径，而反量化单元210、逆变换处理单元212、重建单元214、缓冲器216、环路滤波器220、解码图像缓冲器(decoded picture buffer，DPB)230、帧间预测单元244和帧内预测单元254组成编码器的后向信号路径，其中编码器20的后向信号路径对应于解码器的信号路径(参见图3中的解码器30)。反量化单元210、逆变换处理单元212、重建单元214、环路滤波器220、解码图像缓冲器230、帧间预测单元244和帧内预测单元254还组成视频编码器20的“内置解码器”。
图像和图像分割(图像和块)
编码器20可用于通过输入端201等接收图像(或图像数据)17，例如，形成视频或视频序列的图像序列中的图像。接收的图像或图像数据也可以是预处理后的图像(或预处理后的图像数据)19。为简单起见，以下描述使用图像17。图像17也可称为当前图像或待编码的图像(尤其是在视频编码中将当前图像与其它图像区分开时，其它图像例如同一视频序列，即也包括当前图像的视频序列，中的之前编码后图像和/或解码后图像)。
(数字)图像为或可以视为具有强度值的像素点组成的二维阵列或矩阵。阵列中的像素点也可以称为像素(pixel或pel)(图像元素的简称)。阵列或图像在水平方向和垂直方向(或轴线)上的像素点数量决定了图像的大小和/或分辨率。为了表示颜色，通常采用三个颜色分量，即图像可以表示为或包括三个像素点阵列。在RBG格式或颜色空间中，图像包括对应的红色、绿色和蓝色像素点阵列。但是，在视频编码中，每个像素通常以亮度/色度格式或颜色空间表示，例如YCbCr，包括Y指示的亮度分量(有时也用L表示)以及Cb、Cr表示的两个色度分量。亮度(luma)分量Y表示亮度或灰度水平强度(例如，在灰度等级图像中两者相同)，而两个色度(chrominance，简写为chroma)分量Cb和Cr表示色度或颜色信息分量。相应地，YCbCr格式的图像包括亮度像素点值(Y)的亮度像素点阵列和色度值(Cb和Cr)的两个色度像素点阵列。RGB格式的图像可以转换或变换为YCbCr格式，反之亦然，该过程也称为颜色变换或转换。如果图像是黑白的，则该图像可以只包括亮度像素点阵列。相应地，图像可以为例如单色格式的亮度像素点阵列或4:2:0、4:2:2和4:4:4彩色格式的亮度像素点阵列和两个相应的色度像素点阵列。
在一个实施例中，视频编码器20的实施例可包括图像分割单元(图2中未示出)，用于将图像17分割成多个(通常不重叠)图像块203。这些块在H.265/HEVC和VVC标准中也可以称为根块、宏块(H.264/AVC)或编码树块(Coding Tree Block，CTB)，或编码树单元(CodingTree Unit，CTU)。分割单元可用于对视频序列中的所有图像使用相同的块大小和使用限定块大小的对应网格，或在图像或图像子集或图像组之间改变块大小，并将每个图像分割成对应块。
在其它实施例中，视频编码器可用于直接接收图像17的块203，例如，组成所述图像17的一个、几个或所有块。图像块203也可以称为当前图像块或待编码图像块。
与图像17一样，图像块203同样是或可认为是具有强度值(像素点值)的像素点组成的二维阵列或矩阵，但是图像块203的比图像17的小。换句话说，块203可包括一个像素点阵列(例如，单色图像17情况下的亮度阵列或彩色图像情况下的亮度阵列或色度阵列)或三个像素点阵列(例如，彩色图像17情况下的一个亮度阵列和两个色度阵列)或根据所采用的颜色格式的任何其它数量和/或类型的阵列。块203的水平方向和垂直方向(或轴线)上的像素点数量限定了块203的大小。相应地，块可以为M×N(M列×N行)个像素点阵列，或M×N个变换系数阵列等。
在一个实施例中，图2所示的视频编码器20用于逐块对图像17进行编码，例如，对每个块203执行编码和预测。
在一个实施例中，图2所示的视频编码器20还可以用于使用片(也称为视频片)分割和/或编码图像，其中图像可以使用一个或多个片(通常为不重叠的)进行分割或编码。每个片可包括一个或多个块(例如，编码树单元CTU)或一个或多个块组(例如H.265/HEVC/VVC标准中的编码区块(tile)和VVC标准中的砖(brick)。
在一个实施例中，图2所示的视频编码器20还可以用于使用片/编码区块组(也称为视频编码区块组)和/或编码区块(也称为视频编码区块)对图像进行分割和/或编码，其中图像可以使用一个或多个片/编码区块组(通常为不重叠的)进行分割或编码，每个片/编码区块组可包括一个或多个块(例如CTU)或一个或多个编码区块等，其中每个编码区块可以为矩形等形状，可包括一个或多个完整或部分块(例如CTU)。
残差计算
残差计算单元204用于通过如下方式根据图像块203和预测块265来计算残差块205(后续详细介绍了预测块265)：例如，逐个像素点(逐个像素)从图像块203的像素点值中减去预测块265的像素点值，获得像素域中的残差块205。
变换
变换处理单元206用于对残差块205的像素点值执行离散余弦变换(discretecosine transform，DCT)或离散正弦变换(discrete sine transform，DST)等，获得变换域中的变换系数207。变换系数207也可称为变换残差系数，表示变换域中的残差块205。
变换处理单元206可用于应用DCT/DST的整数化近似，例如为H.265/HEVC指定的变换。与正交DCT变换相比，这种整数化近似通常由某一因子按比例缩放。为了维持经过正变换和逆变换处理的残差块的范数，使用其它比例缩放因子作为变换过程的一部分。比例缩放因子通常是根据某些约束条件来选择的，例如比例缩放因子是用于移位运算的2的幂、变换系数的位深度、准确性与实施成本之间的权衡等。例如，在编码器20侧通过逆变换处理单元212为逆变换(以及在解码器30侧通过例如逆变换处理单元312为对应逆变换)指定具体的比例缩放因子，以及相应地，可以在编码器20侧通过变换处理单元206为正变换指定对应比例缩放因子。
在一个实施例中，视频编码器20(对应地，变换处理单元206)可用于输出一种或多种变换的类型等变换参数，例如，直接输出或由熵编码单元270进行编码或压缩后输出，例如使得视频解码器30可接收并使用变换参数进行解码。
量化
量化单元208用于通过例如标量量化或矢量量化对变换系数207进行量化，获得量化变换系数209。量化变换系数209也可称为量化残差系数209。
量化过程可减少与部分或全部变换系数207有关的位深度。例如，可在量化期间将n位变换系数向下舍入到m位变换系数，其中n大于m。可通过调整量化参数(quantizationparameter，QP)修改量化程度。例如，对于标量量化，可以应用不同程度的比例来实现较细或较粗的量化。较小量化步长对应较细量化，而较大量化步长对应较粗量化。可通过量化参数(quantization parameter，QP)指示合适的量化步长。例如，量化参数可以为合适的量化步长的预定义集合的索引。例如，较小的量化参数可对应精细量化(较小量化步长)，较大的量化参数可对应粗糙量化(较大量化步长)，反之亦然。量化可包括除以量化步长，而反量化单元210等执行的对应或逆解量化可包括乘以量化步长。根据例如HEVC一些标准的实施例可用于使用量化参数来确定量化步长。一般而言，可以根据量化参数使用包含除法的等式的定点近似来计算量化步长。可以引入其它比例缩放因子来进行量化和解量化，以恢复可能由于在用于量化步长和量化参数的等式的定点近似中使用的比例而修改的残差块的范数。在一种示例性实现方式中，可以合并逆变换和解量化的比例。或者，可以使用自定义量化表并在比特流中等将其从编码器向解码器指示。量化是有损操作，其中量化步长越大，损耗越大。
在一个实施例中，视频编码器20(对应地，量化单元208)可用于输出量化参数(quantization parameter，QP)，例如，直接输出或由熵编码单元270进行编码或压缩后输出，例如使得视频解码器30可接收并使用量化参数进行解码。
反量化
反量化单元210用于对量化系数执行量化单元208的反量化，获得解量化系数211，例如，根据或使用与量化单元208相同的量化步长执行与量化单元208所执行的量化方案的反量化方案。解量化系数211也可称为解量化残差系数211，对应于变换系数207，但是由于量化造成损耗，反量化系数211通常与变换系数不完全相同。
逆变换
逆变换处理单元212用于执行变换处理单元206执行的变换的逆变换，例如，逆离散余弦变换(discrete cosine transform，DCT)或逆离散正弦变换(discrete sinetransform，DST)，以在像素域中获得重建残差块213(或对应的解量化系数213)。重建残差块213也可称为变换块213。
重建
重建单元214(例如，求和器214)用于将变换块213(即重建残差块213)添加到预测块265，以在像素域中获得重建块215，例如，将重建残差块213的像素点值和预测块265的像素点值相加。
滤波
环路滤波器单元220(或简称“环路滤波器”220)用于对重建块215进行滤波，获得滤波块221，或通常用于对重建像素点进行滤波以获得滤波像素点值。例如，环路滤波器单元用于顺利进行像素转变或提高视频质量。环路滤波器单元220可包括一个或多个环路滤波器，例如去块滤波器、像素点自适应偏移(sample-adaptive offset，SAO)滤波器或一个或多个其它滤波器，例如自适应环路滤波器(adaptive loop filter，ALF)、噪声抑制滤波器(noise suppression filter，NSF)或任意组合。例如，环路滤波器单元220可以包括去块滤波器、SAO滤波器和ALF滤波器。滤波过程的顺序可以是去块滤波器、SAO滤波器和ALF滤波器。再例如，增加一个称为具有色度缩放的亮度映射(luma mapping with chromascaling，LMCS)(即自适应环内整形器)的过程。该过程在去块之前执行。再例如，去块滤波过程也可以应用于内部子块边缘，例如仿射子块边缘、ATMVP子块边缘、子块变换(sub-block transform，SBT)边缘和内子部分(intra sub-partition，ISP)边缘。尽管环路滤波器单元220在图2中示为环路滤波器，但在其它配置中，环路滤波器单元220可以实现为环后滤波器。滤波块221也可称为滤波重建块221。
在一个实施例中，视频编码器20(对应地，环路滤波器单元220)可用于输出环路滤波器参数(例如SAO滤波参数、ALF滤波参数或LMCS参数)，例如，直接输出或由熵编码单元270进行熵编码后输出，例如使得解码器30可接收并使用相同或不同的环路滤波器参数进行解码。
解码图像缓冲器
解码图像缓冲器(decoded picture buffer，DPB)230可以是存储参考图像数据以供视频编码器20在编码视频数据时使用的参考图像存储器。DPB 230可以由多种存储器设备中的任一种形成，例如动态随机存取存储器(dynamic random access memory，DRAM)，包括同步DRAM(synchronous DRAM，SDRAM)、磁阻RAM(magnetoresistive RAM，MRAM)、电阻RAM(resistive RAM，RRAM)或其它类型的存储设备。解码图像缓冲器230可用于存储一个或多个滤波块221。解码图像缓冲器230还可用于存储同一当前图像或例如之前的重建图像等不同图像的其它之前的滤波块，例如之前重建和滤波的块221，并可提供完整的之前重建即解码图像(和对应参考块和像素点)和/或部分重建的当前图像(和对应参考块和像素点)，例如用于帧间预测。解码图像缓冲器230还可用于存储一个或多个未经滤波的重建块215，或一般存储未经滤波的重建像素点，例如，未被环路滤波单元220滤波的重建块215，或未进行任何其它处理的重建块或重建像素点。
模式选择(分割和预测)
模式选择单元260包括分割单元262、帧间预测单元244和帧内预测单元254，用于从解码图像缓冲器230或其它缓冲器(例如，列缓冲器，图中未显示)接收或获得原始块203(当前图像17的当前块203)和重建图像数据等原始图像数据，例如，同一(当前)图像和/或一个或多个之前解码图像的滤波和/或未经滤波的重建像素点或重建块。重建图像数据用作帧间预测或帧内预测等预测所需的参考图像数据，以获得预测块265或预测值265。
模式选择单元260可用于为当前块预测模式(包括不分割)和预测模式(例如帧内或帧间预测模式)确定或选择一种分割，生成对应的预测块265，以对残差块205进行计算和对重建块215进行重建。
在一个实施例中，模式选择单元260可用于选择分割和预测模式(例如，从模式选择单元260支持的或可用的预测模式中)，所述预测模式提供最佳匹配或者说最小残差(最小残差是指传输或存储中更好的压缩)，或者提供最小信令开销(最小信令开销是指传输或存储中更好的压缩)，或者同时考虑或平衡以上两者。模式选择单元260可用于根据码率失真优化(rate distortion Optimization，RDO)确定分割和预测模式，即选择提供最小码率失真优化的预测模式。本文“最佳”、“最低”、“最优”等术语不一定指总体上“最佳”、“最低”、“最优”的，但也可以指满足终止或选择标准的情况，例如，超过或低于阈值的值或其他限制可能导致“次优选择”，但会降低复杂度和处理时间。
换言之，分割单元262可用于将视频序列中的图像分割为编码树单元(codingtree unit，CTU)序列，CTU 203可进一步被分割成较小的块部分或子块(再次形成块)，例如，通过迭代使用四叉树(quad-tree partitioning，QT)分割、二叉树(binary-treepartitioning，BT)分割或三叉树(triple-tree partitioning，TT)分割或其任意组合，并且用于例如对块部分或子块中的每一个执行预测，其中模式选择包括选择分割块203的树结构和选择应用于块部分或子块中的每一个的预测模式。
下文将详细地描述由视频编码器20执行的分割(例如，由分割单元262执行)和预测处理(例如，由帧间预测单元244和帧内预测单元254执行)。
分割
分割单元262可将一个编码树单元203分割(或划分)为较小的部分，例如正方形或矩形形状的小块。对于具有三个像素点阵列的图像，一个CTU由N×N个亮度像素点块和两个对应的色度像素点块组成。CTU中亮度块的最大允许大小在正在开发的通用视频编码(Versatile Video Coding，VVC)标准中被指定为128×128，但是将来可指定为不同于128×128的值，例如256×256。图像的CTU可以集中/分组为片/编码区块组、编码区块或砖。一个编码区块覆盖着一个图像的矩形区域，一个编码区块可以分成一个或多个砖。一个砖由一个编码区块内的多个CTU行组成。没有分割为多个砖的编码区块可以称为砖。但是，砖是编码区块的真正子集，因此不称为编码区块。VVC支持两种编码区块组模式，分别为光栅扫描片/编码区块组模式和矩形片模式。在光栅扫描编码区块组模式，一个片/编码区块组包含一个图像的编码区块光栅扫描中的编码区块序列。在矩形片模式中，片包含一个图像的多个砖，这些砖共同组成图像的矩形区域。矩形片内的砖按照片的砖光栅扫描顺序排列。这些较小块(也可称为子块)可进一步分割为更小的部分。这也称为树分割或分层树分割，其中在根树级别0(层次级别0、深度0)等的根块可以递归地分割为两个或两个以上下一个较低树级别的块，例如树级别1(层次级别1、深度1)的节点。这些块可以又分割为两个或两个以上下一个较低级别的块，例如树级别2(层次级别2、深度2)等，直到分割结束(因为满足结束标准，例如达到最大树深度或最小块大小)。未进一步分割的块也称为树的叶块或叶节点。分割为两个部分的树称为二叉树(binary-tree，BT)，分割为三个部分的树称为三叉树(ternary-tree，TT)，分割为四个部分的树称为四叉树(quad-tree，QT)。
例如，编码树单元(CTU)可以为或包括亮度像素点的CTB、具有三个像素点阵列的图像的色度像素点的两个对应CTB、或单色图像的像素点的CTB或使用三个独立颜色平面和语法结构(用于编码像素点)编码的图像的像素点的CTB。相应地，编码树块(CTB)可以为N×N个像素点块，其中N可以设为某个值使得分量划分为CTB，这就是分割。编码单元(codingunit，CU)可以为或包括亮度像素点的编码块、具有三个像素点阵列的图像的色度像素点的两个对应编码块、或单色图像的像素点的编码块或使用三个独立颜色平面和语法结构(用于编码像素点)编码的图像的像素点的编码块。相应地，编码块(CB)可以为M×N个像素点块，其中M和N可以设为某个值使得CTB划分为编码块，这就是分割。
例如，在实施例中，根据HEVC可通过使用表示为编码树的四叉树结构将编码树单元(CTU)划分为多个CU。在叶CU级作出是否使用帧间(时间)预测或帧内(空间)预测对图像区域进行编码的决定。每个叶CU可以根据PU划分类型进一步划分为一个、两个或四个PU。一个PU内使用相同的预测过程，并以PU为单位向解码器传输相关信息。在根据PU划分类型应用预测过程获得残差块之后，可以根据类似于用于CU的编码树的其它四叉树结构将叶CU分割为变换单元(TU)。
例如，在实施例中，根据当前正在开发的最新视频编码标准(称为通用视频编码(VVC)，使用嵌套多类型树(例如二叉树和三叉树)的组合四叉树来划分用于分割编码树单元的分段结构。在编码树单元内的编码树结构中，CU可以为正方形或矩形。例如，编码树单元(CTU)首先由四叉树结构进行分割。四叉树叶节点进一步由多类型树结构分割。多类型树形结构有四种划分类型：垂直二叉树划分(SPLIT_BT_VER)、水平二叉树划分(SPLIT_BT_HOR)、垂直三叉树划分(SPLIT_TT_VER)和水平三叉树划分(SPLIT_TT_HOR)。多类型树叶节点称为编码单元(CU)，除非CU对于最大变换长度而言太大，这样的分段用于预测和变换处理，无需其它任何分割。在大多数情况下，这表示CU、PU和TU在四叉树嵌套多类型树的编码块结构中的块大小相同。当最大支持变换长度小于CU的彩色分量的宽度或高度时，就会出现该异常。VVC制定了具有四叉树嵌套多类型树的编码结构中的分割划分信息的唯一信令机制。在信令机制中，编码树单元(CTU)作为四叉树的根首先被四叉树结构分割。然后每个四叉树叶节点(当足够大可以被)被进一步分割为一个多类型树结构。在多类型树结构中，通过第一标识(mtt_split_cu_flag)指示节点是否进一步分割，当对节点进一步分割时，先用第二标识(mtt_split_cu_vertical_flag)指示划分方向，再用第三标识(mtt_split_cu_binary_flag)指示划分是二叉树划分或三叉树划分。根据mtt_split_cu_vertical_flag和mtt_split_cu_binary_flag的值，解码器可以基于预定义规则或表格推导出CU的多类型树划分模式(MttSplitMode)。需要说明的是，对于某种设计，例如VVC硬件解码器中的64×64的亮度块和32×32的色度流水线设计，当亮度编码块的宽度或高度大于64时，不允许进行TT划分。当色度编码块的宽度或高度大于32时，也不允许TT划分。流水线设计将图像分为多个虚拟流水线数据单元(virtual pipeline data unit，VPDU)，每个VPDU在图像中定义为互不重叠的单元。在硬件解码器中，连续的VPDU在多个流水线阶段同时处理。在大多数流水线阶段，VPDU大小与缓冲器大小大致成正比，因此需要保持较小的VPDU。在大多数硬件解码器中，VPDU大小可以设置为最大变换块(transform block，TB)大小。但是，在VVC中，三叉树(TT)和二叉树(BT)的分割可能会增加VPDU的大小。
另外，需要说明的是，当树节点块的一部分超出底部或图像右边界时，强制对该树节点块进行划分，直到每个编码CU的所有像素点都位于图像边界内。
例如，所述帧内子分割(intra sub-partitions，ISP)工具可以根据块大小将亮度帧内预测块垂直或水平地分为两个或四个子部分。
在一个示例中，视频编码器20的模式选择单元260可以用于执行上文描述的分割技术的任意组合。
如上所述，视频编码器20用于从(预定的)预测模式集合中确定或选择最好或最优的预测模式。预测模式集合可包括例如帧内预测模式和/或帧间预测模式。
帧内预测
帧内预测模式集合可包括35种不同的帧内预测模式，例如，像DC(或均值)模式和平面模式的非方向性模式，或如HEVC定义的方向性模式，或者可包括67种不同的帧内预测模式，例如，像DC(或均值)模式和平面模式的非方向性模式，或如VVC中定义的方向性模式。例如，若干传统角度帧内预测模式自适应地替换为VVC中定义的非正方形块的广角帧内预测模式。又例如，为了避免DC预测的除法运算，仅使用较长边来计算非正方形块的平均值。并且，平面模式的帧内预测结果还可以使用位置决定的帧内预测组合(positiondependent intra prediction combination，PDPC)方法修改。
帧内预测单元254用于根据帧内预测模式集合中的帧内预测模式使用同一当前图像的相邻块的重建像素点来生成帧内预测块265。
帧内预测单元254(或通常为模式选择单元260)还用于输出帧内预测参数(或通常为指示块的选定帧内预测模式的信息)以语法元素266的形式发送到熵编码单元270，以包含到编码图像数据21中，从而视频解码器30可执行操作，例如接收并使用用于解码的预测参数。
帧间预测
在可能的实现中，帧间预测模式集合取决于可用参考图像(即，例如前述存储在DBP230中的至少部分之前解码的图像)和其它帧间预测参数，例如取决于是否使用整个参考图像或只使用参考图像的一部分，例如当前块的区域附近的搜索窗口区域，来搜索最佳匹配参考块，和/或例如取决于是否执行半像素、四分之一像素和/或16分之一内插的像素内插。
除上述预测模式外，还可以采用跳过模式和/或直接模式。
例如，扩展合并预测，这种模式的合并候选列表由以下五种候选类型按顺序组成：来自空间相邻CU的空间MVP、来自并置CU的时间MVP、来自FIFO表的基于历史的MVP、成对平均MVP和零MV。可以使用基于双边匹配的解码器侧运动矢量修正(decoder side motionvector refinement，DMVR)来增加合并模式的MV的准确度。带有MVD的合并模式(mergemode with MVD，MMVD)来自有运动矢量差异的合并模式。在发送跳过标志和合并标志之后立即发送MMVD标志，以指定CU是否使用MMVD模式。可以使用CU级自适应运动矢量分辨率(adaptive motion vector resolution，AMVR)方案。AMVR支持CU的MVD以不同的精度进行编码。根据当前CU的预测模式，自适应地选择当前CU的MVD。当CU以合并模式进行编码时，可以将合并的帧间/帧内预测(combined inter/intra prediction，CIIP)模式应用于当前CU。对帧间和帧内预测信号进行加权平均，获得CIIP预测。对于仿射运动补偿预测，通过2个控制点(4参数)或3个控制点(6参数)运动矢量的运动信息来描述块的仿射运动场。基于子块的时间运动矢量预测(subblock-based temporal motion vector prediction，SbTMVP)，与HEVC中的时间运动矢量预测(temporal motion vector prediction，TMVP)类似，但预测的是当前CU内的子CU的运动矢量。双向光流(bi-directional optical flow，BDOF)以前称为BIO，是一种减少计算的简化版本，特别是在乘法次数和乘数大小方面的计算。在三角形分割模式中，CU以对角线划分和反对角线划分两种划分方式被均匀划分为两个三角形部分。此外，双向预测模式在简单平均的基础上进行了扩展，以支持两个预测信号的加权平均。
帧间预测单元244可包括运动估计(motion estimation，ME)单元和运动补偿(motion compensation，MC)单元(两者在图2中未示出)。运动估计单元可用于接收或获得图像块203(当前图像17的当前图像块203)和解码图像231，或至少一个或多个之前重建块，例如，一个或多个其它/不同之前解码图像231的重建块，来进行运动估计。例如，视频序列可包括当前图像和之前的解码图像231，或换句话说，当前图像和之前的解码图像231可以为形成视频序列的图像序列的一部分或形成该图像序列。
例如，编码器20可用于从多个其它图像中的同一或不同图像的多个参考块中选择参考块，并将参考图像(或参考图像索引)和/或参考块的位置(x、y坐标)与当前块的位置之间的偏移(空间偏移)作为帧间预测参数提供给运动估计单元。该偏移也称为运动矢量(motion vector，MV)。
运动补偿单元用于获得，例如接收，帧间预测参数，并根据或使用该帧间预测参数执行帧间预测，获得帧间预测块246。由运动补偿单元执行的运动补偿可能包含根据通过运动估计确定的运动/块矢量来提取或生成预测块，还可能包括对子像素精度执行内插。内插滤波可从已知像素的像素点中产生其它像素的像素点，从而潜在地增加可用于对图像块进行编码的候选预测块的数量。一旦接收到当前图像块的PU对应的运动矢量时，运动补偿单元可在其中一个参考图像列表中定位运动矢量指向的预测块。
运动补偿单元还可以生成与块和视频片相关的语法元素，以供视频解码器30在解码视频片的图像块时使用。此外，或者作为片和相应语法元素的替代，可以生成或使用编码区块组和/或编码区块以及相应语法元素。
熵编码
熵编码单元270用于将熵编码算法或方案(例如，可变长度编码(variable lengthcoding，VLC)方案、上下文自适应VLC方案(context adaptive VLC，CALVC)、算术编码方案、二值化算法、上下文自适应二进制算术编码(context adaptive binary arithmeticcoding，CABAC)、基于语法的上下文自适应二进制算术编码(syntax-based context-adaptive binary arithmetic coding，SBAC)、概率区间分割熵(probability intervalpartitioning entropy，PIPE)编码或其它熵编码方法或技术)应用于量化残差系数209、帧间预测参数、帧内预测参数、环路滤波器参数和/或其它语法元素，获得可以通过输出端272以编码比特流21等形式输出的编码图像数据21，使得视频解码器30等可以接收并使用用于解码的参数。可将编码比特流21传输到视频解码器30，或将其保存在存储器中稍后由视频解码器30传输或检索。
视频编码器20的其它结构变体可用于对视频流进行编码。例如，基于非变换的编码器20可以在某些块或帧没有变换处理单元206的情况下直接量化残差信号。在另一种实现方式中，编码器20可以具有组合成单个单元的量化单元208和反量化单元210。
解码器和解码方法
图3示出了用于实现本申请技术的示例性视频解码器30。视频解码器30用于接收例如由编码器20编码的编码图像数据21(例如编码比特流21)，获得解码图像331。编码图像数据或比特流包括用于解码所述编码图像数据的信息，例如表示编码视频片(和/或编码区块组或编码区块)的图像块的数据和相关的语法元素。
在图3的示例中，解码器30包括熵解码单元304、反量化单元310、逆变换处理单元312、重建单元314(例如求和器314)、环路滤波器320、解码图像缓冲器(DBP)330、模式应用单元360、帧间预测单元344和帧内预测单元354。帧间预测单元344可以为或包括运动补偿单元。在一些示例中，视频解码器30可执行大体上与参照图2的视频编码器100描述的编码过程相反的解码过程。
如编码器20所述，反量化单元210、逆变换处理单元212、重建单元214、环路滤波器220、解码图像缓冲器DPB230、帧间预测单元344和帧内预测单元354还组成视频编码器20的“内置解码器”。相应地，反量化单元310在功能上可与反量化单元110相同，逆变换处理单元312在功能上可与逆变换处理单元122相同，重建单元314在功能上可与重建单元214相同，环路滤波器320在功能上可与环路滤波器220相同，解码图像缓冲器330在功能上可与解码图像缓冲器230相同。因此，视频编码器20的相应单元和功能的解释相应地适用于视频解码器30的相应单元和功能。
熵解码
熵解码单元304用于解析比特流21(或一般为编码图像数据21)并对编码图像数据21执行熵解码，获得量化系数309和/或解码后的编码参数(图3中未示出)等，例如帧间预测参数(例如参考图像索引和运动矢量)、帧内预测参数(例如帧内预测模式或索引)、变换参数、量化参数、环路滤波器参数和/或其它语法元素等中的任一个或全部。熵解码单元304可用于应用编码器20的熵编码单元270的编码方案对应的解码算法或方案。熵解码单元304还可用于向模式应用单元360提供帧间预测参数、帧内预测参数和/或其它语法元素，以及向解码器30的其它单元提供其它参数。视频解码器30可以接收视频片和/或视频块级的语法元素。此外，或者作为片和相应语法元素的替代，可以接收或使用编码区块组和/或编码区块以及相应语法元素。
反量化
反量化单元310可用于从编码图像数据21(例如通过熵解码单元304解析和/或解码)接收量化参数(quantization parameter，QP)(或一般为与反量化相关的信息)和量化系数，并基于所述量化参数对所述解码的量化系数309进行反量化以获得反量化系数311，所述反量化系数311也可以称为变换系数311。反量化过程可包括使用视频编码器20为视频片中的每个视频块计算的量化参数来确定量化程度，同样也确定需要执行的反量化的程度。
逆变换
逆变换处理单元312可用于接收解量化系数311，也称为变换系数311，并对解量化系数311应用变换以获得像素域中的重建残差块213。重建残差块213也可称为变换块313。变换可以为逆变换，例如逆DCT、逆DST、逆整数变换或概念上类似的逆变换过程。逆变换处理单元312还可以用于从编码图像数据21(例如通过熵解码单元304解析和/或解码)接收变换参数或相应信息，以确定应用于解量化系数311的变换。
重建
重建单元314(例如，求和器314)用于将重建残差块313添加到预测块365，以在像素域中获得重建块315，例如，将重建残差块313的像素点值和预测块365的像素点值相加。
滤波
环路滤波器单元320(在编码环路中或之后)用于对重建块315进行滤波，获得滤波块321，从而顺利进行像素转变或提高视频质量等。环路滤波器单元320可包括一个或多个环路滤波器，例如去块滤波器、像素点自适应偏移(sample-adaptive offset，SAO)滤波器或一个或多个其它滤波器，例如自适应环路滤波器(adaptive loop filter，ALF)、噪声抑制滤波器(noise suppression filter，NSF)或任意组合。例如，环路滤波器单元220可以包括去块滤波器、SAO滤波器和ALF滤波器。滤波过程的顺序可以是去块滤波器、SAO滤波器和ALF滤波器。再例如，增加一个称为具有色度缩放的亮度映射(luma mapping with chromascaling，LMCS)(即自适应环内整形器)的过程。该过程在去块之前执行。再例如，去块滤波过程也可以应用于内部子块边缘，例如仿射子块边缘、ATMVP子块边缘、子块变换(sub-block transform，SBT)边缘和内子部分(intra sub-partition，ISP)边缘。尽管环路滤波器单元320在图3中示为环路滤波器，但在其它配置中，环路滤波器单元320可以实现为环后滤波器。
解码图像缓冲器
随后将一个图像中的解码视频块321存储在解码图像缓冲器330中，解码图像缓冲器330存储作为参考图像的解码图像331，参考图像用于其它图像和/或分别输出显示的后续运动补偿。
解码器30用于通过输出端312等输出解码图像311，向用户显示或供用户查看。
预测
帧间预测单元344在功能上可与帧间预测单元244(特别是运动补偿单元)相同，帧内预测单元354在功能上可与帧间预测单元254相同，并基于从编码图像数据21(例如通过熵解码单元304解析和/或解码)接收的分割和/或预测参数或相应信息决定划分或分割和执行预测。模式应用单元360可用于根据重建图像、块或相应的像素点(已滤波或未滤波)执行每个块的预测(帧内或帧间预测)，获得预测块365。
当将视频片编码为帧内编码(intra coded，I)片时，模式应用单元360中的帧内预测单元354用于根据指示的帧内预测模式和来自当前图像的之前解码块的数据生成用于当前视频片的图像块的预测块365。当视频图像编码为帧间编码(即，B或P)片时，模式应用单元360中的帧间预测单元344(例如运动补偿单元)用于根据运动矢量和从熵解码单元304接收的其它语法元素生成用于当前视频片的视频块的预测块365。对于帧间预测，可从其中一个参考图像列表中的其中一个参考图像产生这些预测块。视频解码器30可以根据存储在DPB 330中的参考图像，使用默认构建技术来构建参考帧列表0和列表1。除了片(例如视频片)或作为片的替代，相同或类似的过程可应用于编码区块组(例如视频编码区块组)和/或编码区块(例如视频编码区块)的实施例，例如视频可以使用I、P或B编码区块组和/或编码区块进行编码。
模式应用单元360用于通过解析运动矢量和其它语法元素，确定用于当前视频片的视频块的预测信息，并使用预测信息产生用于正在解码的当前视频块的预测块。例如，模式应用单元360使用接收到的一些语法元素确定用于编码视频片的视频块的预测模式(例如帧内预测或帧间预测)、帧间预测片类型(例如B片、P片或GPB片)、用于片的一个或多个参考图像列表的构建信息、用于片的每个帧间编码视频块的运动矢量、用于片的每个帧间编码视频块的帧间预测状态、其它信息，以解码当前视频片内的视频块。除了片(例如视频片)或作为片的替代，相同或类似的过程可应用于编码区块组(例如视频编码区块组)和/或编码区块(例如视频编码区块)的实施例，例如视频可以使用I、P或B编码区块组和/或编码区块进行编码。
在一个实施例中，图3所示的视频编码器30还可以用于使用片(也称为视频片)分割和/或解码图像，其中图像可以使用一个或多个片(通常为不重叠的)进行分割或解码。每个片可包括一个或多个块(例如CTU)或一个或多个块组(例如H.265/HEVC/VVC标准中的编码区块和VVC标准中的砖。
在一个实施例中，图3所示的视频解码器30还可以用于使用片/编码区块组(也称为视频编码区块组)和/或编码区块(也称为视频编码区块)对图像进行分割和/或解码，其中图像可以使用一个或多个片/编码区块组(通常为不重叠的)进行分割或解码，每个片/编码区块组可包括一个或多个块(例如CTU)或一个或多个编码区块等，其中每个编码区块可以为矩形等形状，可包括一个或多个完整或部分块(例如CTU)。
视频解码器30的其它变型可用于对编码图像数据21进行解码。例如，解码器30可以在没有环路滤波器单元320的情况下产生输出视频流。例如，基于非变换的解码器30可以在某些块或帧没有逆变换处理单元312的情况下直接反量化残差信号。在另一种实现方式中，视频解码器30可以具有组合成单个单元的反量化单元310和逆变换处理单元312。
应理解，在编码器20和解码器30中，可以对当前步骤的处理结果进一步处理，然后输出到下一步骤。例如，在插值滤波、运动矢量推导或环路滤波之后，可以对插值滤波、运动矢量推导或环路滤波的处理结果进行进一步的运算，例如裁剪(clip)或移位(shift)运算。
尽管上述实施例主要描述了视频编解码，但应注意的是，译码系统10、编码器20和解码器30的实施例以及本文描述的其它实施例也可以用于静止图像处理或编解码，即视频编解码中独立于任何先前或连续图像的单个图像的处理或编解码。一般情况下，如果图像处理仅限于单个图像17，帧间预测单元244(编码器)和帧间预测单元344(解码器)可能不可用。视频编码器20和视频解码器30的所有其它功能(也称为工具或技术)同样可用于静态图像处理，例如残差计算204/304、变换206、量化208、反量化210/310、(逆)变换212/312、分割262/362、帧内预测254/354和/或环路滤波220/320、熵编码270和熵解码304。
图4为本发明实施例提供的视频译码设备400的示意图。视频译码设备400适用于实现本文描述的公开实施例。在一个实施例中，视频译码设备400可以是解码器，例如图1A中的视频解码器30，也可以是编码器，例如图1A中的视频编码器20。
视频译码设备400包括：用于接收数据的入端口410(或输入端口410)和接收单元(receiver unit，Rx)420；用于处理数据的处理器、逻辑单元或中央处理器(centralprocessing unit，CPU)430；例如，这里的处理器430可以是神经网络处理器430；用于传输数据的发送单元(transmitter unit，Tx)440和出端口450(或输出端口450)；用于存储数据的存储器460。视频译码设备400还可包括耦合到入端口410、接收单元420、发送单元440和出端口450的光电(optical-to-electrical，OE)组件和电光(electrical-to-optical，EO)组件，用于光信号或电信号的出口或入口。
处理器430通过硬件和软件实现。处理器430可实现为一个或多个处理器芯片、核(例如，多核处理器)、FPGA、ASIC和DSP。处理器430与入端口410、接收单元420、发送单元440、出端口450和存储器460通信。处理器430包括译码模块470(例如，基于神经网络NN的译码模块470)。译码模块470实施上文所公开的实施例。例如，译码模块470执行、处理、准备或提供各种编码操作。因此，通过译码模块470为视频译码设备400的功能提供了实质性的改进，并且影响了视频译码设备400到不同状态的切换。或者，以存储在存储器460中并由处理器430执行的指令来实现译码模块470。
存储器460包括一个或多个磁盘、磁带机和固态硬盘，可以用作溢出数据存储设备，用于在选择执行程序时存储此类程序，并且存储在程序执行过程中读取的指令和数据。存储器460可以是易失性和/或非易失性的，可以是只读存储器(read-only memory，ROM)、随机存取存储器(random access memory，RAM)、三态内容寻址存储器(ternary content-addressable memory，TCAM)和/或静态随机存取存储器(static random-access memory，SRAM)。
图5为示例性实施例提供的装置500的简化框图，装置500可用作图1A中的源设备12和目的设备14中的任一个或两个。
装置500中的处理器502可以是中央处理器。或者，处理器502可以是现有的或今后将研发出的能够操控或处理信息的任何其它类型设备或多个设备。虽然可以使用如图所示的处理器502等单个处理器来实施已公开的实现方式，但使用一个以上的处理器速度更快和效率更高。
在一种实现方式中，装置500中的存储器504可以是只读存储器(ROM)设备或随机存取存储器(RAM)设备。任何其它合适类型的存储设备都可以用作存储器504。存储器504可以包括处理器502通过总线512访问的代码和数据506。存储器504还可包括操作系统508和应用程序510，应用程序510包括允许处理器502执行本文所述方法的至少一个程序。例如，应用程序510可以包括应用1至N，还包括执行本文所述方法的视频译码应用。
装置500还可以包括一个或多个输出设备，例如显示器518。在一个示例中，显示器518可以是将显示器与可用于感测触摸输入的触敏元件组合的触敏显示器。显示器518可以通过总线512耦合到处理器502。
虽然装置500中的总线512在本文中描述为单个总线，但是总线512可以包括多个总线。此外，辅助储存器可以直接耦合到装置500的其它组件或通过网络访问，并且可以包括存储卡等单个集成单元或多个存储卡等多个单元。因此，装置500可以具有各种各样的配置。
由于本申请实施例涉及神经网络的应用，为了便于理解，下面先对本申请实施例所使用到的一些名词或术语进行解释说明，该名词或术语也作为发明内容的一部分。
(1)神经网络
神经网络(neural network，NN)是机器学习模型，神经网络可以是由神经单元组成的，神经单元可以是指以xs和截距1为输入的运算单元，该运算单元的输出可以为：
Figure BDA0002713885030000271
其中，s＝1、2、……n，n为大于1的自然数，Ws为xs的权重，b为神经单元的偏置。f为神经单元的激活函数(activation functions)，用于将非线性特性引入神经网络中，来将神经单元中的输入信号转换为输出信号。该激活函数的输出信号可以作为下一层卷积层的输入。激活函数可以是sigmoid函数。神经网络是将许多个上述单一的神经单元联结在一起形成的网络，即一个神经单元的输出可以是另一个神经单元的输入。每个神经单元的输入可以与前一层的局部接受域相连，来提取局部接受域的特征，局部接受域可以是由若干个神经单元组成的区域。
(2)深度神经网络
深度神经网络(deep neural network，DNN)，也称多层神经网络，可以理解为具有很多层隐含层的神经网络，这里的“很多”并没有特别的度量标准。从DNN按不同层的位置划分，DNN内部的神经网络可以分为三类：输入层，隐含层，输出层。一般来说第一层是输入层，最后一层是输出层，中间的层数都是隐含层。层与层之间是全连接的，也就是说，第i层的任意一个神经元一定与第i+1层的任意一个神经元相连。虽然DNN看起来很复杂，但是就每一层的工作来说，其实并不复杂，简单来说就是如下线性关系表达式：
Figure BDA0002713885030000281
Figure BDA0002713885030000282
其中，
Figure BDA0002713885030000283
是输入向量，
Figure BDA0002713885030000284
是输出向量，
Figure BDA0002713885030000285
是偏移向量，W是权重矩阵(也称系数)，α()是激活函数。每一层仅仅是对输入向量
Figure BDA0002713885030000286
经过如此简单的操作获得输出向量
Figure BDA0002713885030000287
由于DNN层数多，则系数W和偏移向量
Figure BDA0002713885030000288
的数量也就很多了。这些参数在DNN中的定义如下所述：以系数W为例：假设在一个三层的DNN中，第二层的第4个神经元到第三层的第2个神经元的线性系数定义为
Figure BDA0002713885030000289
上标3代表系数W所在的层数，而下标对应的是输出的第三层索引2和输入的第二层索引4。总结就是：第L-1层的第k个神经元到第L层的第j个神经元的系数定义为
Figure BDA00027138850300002810
需要注意的是，输入层是没有W参数的。在深度神经网络中，更多的隐含层让网络更能够刻画现实世界中的复杂情形。理论上而言，参数越多的模型复杂度越高，“容量”也就越大，也就意味着它能完成更复杂的学习任务。训练深度神经网络的也就是学习权重矩阵的过程，其最终目的是获得训练好的深度神经网络的所有层的权重矩阵(由很多层的向量W形成的权重矩阵)。
(3)卷积神经网络
卷积神经网络(convolutional neuron network，CNN)是一种带有卷积结构的深度神经网络，是一种深度学习(deep learning)架构，深度学习架构是指通过机器学习的算法，在不同的抽象层级上进行多个层次的学习。作为一种深度学习架构，CNN是一种前馈(feed-forward)人工神经网络，该前馈人工神经网络中的各个神经元可以对输入其中的图像作出响应。卷积神经网络包含了一个由卷积层和池化层构成的特征抽取器。该特征抽取器可以看作是滤波器，卷积过程可以看作是使用一个可训练的滤波器与一个输入的图像或者卷积特征平面(feature map)做卷积。
卷积层是指卷积神经网络中对输入信号进行卷积处理的神经元层。卷积层可以包括很多个卷积算子，卷积算子也称为核，其在图像处理中的作用相当于一个从输入图像矩阵中提取特定信息的过滤器，卷积算子本质上可以是一个权重矩阵，这个权重矩阵通常被预先定义，在对图像进行卷积操作的过程中，权重矩阵通常在输入图像上沿着水平方向一个像素接着一个像素(或两个像素接着两个像素……这取决于步长stride的取值)的进行处理，从而完成从图像中提取特定特征的工作。该权重矩阵的大小应该与图像的大小相关，需要注意的是，权重矩阵的纵深维度(depth dimension)和输入图像的纵深维度是相同的，在进行卷积运算的过程中，权重矩阵会延伸到输入图像的整个深度。因此，和一个单一的权重矩阵进行卷积会产生一个单一纵深维度的卷积化输出，但是大多数情况下不使用单一权重矩阵，而是应用多个尺寸(行×列)相同的权重矩阵，即多个同型矩阵。每个权重矩阵的输出被堆叠起来形成卷积图像的纵深维度，这里的维度可以理解为由上面所述的“多个”来决定。不同的权重矩阵可以用来提取图像中不同的特征，例如一个权重矩阵用来提取图像边缘信息，另一个权重矩阵用来提取图像的特定颜色，又一个权重矩阵用来对图像中不需要的噪点进行模糊化等。该多个权重矩阵尺寸(行×列)相同，经过该多个尺寸相同的权重矩阵提取后的特征图的尺寸也相同，再将提取到的多个尺寸相同的特征图合并形成卷积运算的输出。这些权重矩阵中的权重值在实际应用中需要经过大量的训练获得，通过训练获得的权重值形成的各个权重矩阵可以用来从输入图像中提取信息，从而使得卷积神经网络进行正确的预测。当卷积神经网络有多个卷积层的时候，初始的卷积层往往提取较多的一般特征，该一般特征也可以称之为低级别的特征；随着卷积神经网络深度的加深，越往后的卷积层提取到的特征越来越复杂，比如高级别的语义之类的特征，语义越高的特征越适用于待解决的问题。
由于常常需要减少训练参数的数量，因此卷积层之后常常需要周期性的引入池化层，可以是一层卷积层后面跟一层池化层，也可以是多层卷积层后面接一层或多层池化层。在图像处理过程中，池化层的唯一目的就是减少图像的空间大小。池化层可以包括平均池化算子和/或最大池化算子，以用于对输入图像进行采样获得较小尺寸的图像。平均池化算子可以在特定范围内对图像中的像素值进行计算产生平均值作为平均池化的结果。最大池化算子可以在特定范围内取该范围内值最大的像素作为最大池化的结果。另外，就像卷积层中用权重矩阵的大小应该与图像尺寸相关一样，池化层中的运算符也应该与图像的大小相关。通过池化层处理后输出的图像尺寸可以小于输入池化层的图像的尺寸，池化层输出的图像中每个像素点表示输入池化层的图像的对应子区域的平均值或最大值。
在经过卷积层/池化层的处理后，卷积神经网络还不足以输出所需要的输出信息。因为如前所述，卷积层/池化层只会提取特征，并减少输入图像带来的参数。然而为了生成最终的输出信息(所需要的类信息或其他相关信息)，卷积神经网络需要利用神经网络层来生成一个或者一组所需要的类的数量的输出。因此，在神经网络层中可以包括多层隐含层，该多层隐含层中所包含的参数可以根据具体的任务类型的相关训练数据进行预先训练获得，例如该任务类型可以包括图像识别，图像分类，图像超分辨率重建等等。
可选的，在神经网络层中的多层隐含层之后，还包括整个卷积神经网络的输出层，该输出层具有类似分类交叉熵的损失函数，具体用于计算预测误差，一旦整个卷积神经网络的前向传播完成，反向传播就会开始更新前面提到的各层的权重值以及偏差，以减少卷积神经网络的损失，及卷积神经网络通过输出层输出的结果和理想结果之间的误差。
(4)循环神经网络
循环神经网络(recurrent neural networks，RNN)是用来处理序列数据的。在传统的神经网络模型中，是从输入层到隐含层再到输出层，层与层之间是全连接的，而对于每一层层内之间的各个节点是无连接的。这种普通的神经网络虽然解决了很多难题，但是却仍然对很多问题却无能无力。例如，你要预测句子的下一个单词是什么，一般需要用到前面的单词，因为一个句子中前后单词并不是独立的。RNN之所以称为循环神经网路，即一个序列当前的输出与前面的输出也有关。具体的表现形式为网络会对前面的信息进行记忆并应用于当前输出的计算中，即隐含层本层之间的节点不再无连接而是有连接的，并且隐含层的输入不仅包括输入层的输出还包括上一时刻隐含层的输出。理论上，RNN能够对任何长度的序列数据进行处理。对于RNN的训练和对传统的CNN或DNN的训练一样。同样使用误差反向传播算法，不过有一点区别：即，如果将RNN进行网络展开，那么其中的参数，如W，是共享的；而如上举例上述的传统神经网络却不是这样。并且在使用梯度下降算法中，每一步的输出不仅依赖当前步的网络，还依赖前面若干步网络的状态。该学习算法称为基于时间的反向传播算法(Back propagation Through Time，BPTT)。
既然已经有了卷积神经网络，为什么还要循环神经网络？原因很简单，在卷积神经网络中，有一个前提假设是：元素之间是相互独立的，输入与输出也是独立的，比如猫和狗。但现实世界中，很多元素都是相互连接的，比如股票随时间的变化，再比如一个人说了：我喜欢旅游，其中最喜欢的地方是云南，以后有机会一定要去。这里填空，人类应该都知道是填“云南”。因为人类会根据上下文的内容进行推断，但如何让机器做到这一步？RNN就应运而生了。RNN旨在让机器像人一样拥有记忆的能力。因此，RNN的输出就需要依赖当前的输入信息和历史的记忆信息。
(5)损失函数
在训练深度神经网络的过程中，因为希望深度神经网络的输出尽可能的接近真正想要预测的值，所以可以通过比较当前网络的预测值和真正想要的目标值，再根据两者之间的差异情况来更新每一层神经网络的权重向量(当然，在第一次更新之前通常会有初始化的过程，即为深度神经网络中的各层预先配置参数)，比如，如果网络的预测值高了，就调整权重向量让它预测低一些，不断的调整，直到深度神经网络能够预测出真正想要的目标值或与真正想要的目标值非常接近的值。因此，就需要预先定义“如何比较预测值和目标值之间的差异”，这便是损失函数(loss function)或目标函数(objective function)，它们是用于衡量预测值和目标值的差异的重要方程。其中，以损失函数举例，损失函数的输出值(loss)越高表示差异越大，那么深度神经网络的训练就变成了尽可能缩小这个loss的过程。
(6)反向传播算法
卷积神经网络可以采用误差反向传播(back propagation，BP)算法在训练过程中修正初始的超分辨率模型中参数的大小，使得超分辨率模型的重建误差损失越来越小。具体地，前向传递输入信号直至输出会产生误差损失，通过反向传播误差损失信息来更新初始的超分辨率模型中参数，从而使误差损失收敛。反向传播算法是以误差损失为主导的反向传播运动，旨在获得最优的超分辨率模型的参数，例如权重矩阵。
(7)生成式对抗网络
生成式对抗网络(generative adversarial networks，GAN)是一种深度学习模型。该模型中至少包括两个模块：一个模块是生成模型(Generative Model)，另一个模块是判别模型(Discriminative Model)，通过这两个模块互相博弈学习，从而产生更好的输出。生成模型和判别模型都可以是神经网络，具体可以是深度神经网络，或者卷积神经网络。GAN的基本原理如下：以生成图片的GAN为例，假设有两个网络，G(Generator)和D(Discriminator)，其中G是一个生成图片的网络，它接收一个随机的噪声z，通过这个噪声生成图片，记做G(z)；D是一个判别网络，用于判别一张图片是不是“真实的”。它的输入参数是x，x代表一张图片，输出D(x)代表x为真实图片的概率，如果为1，就代表100％是真实的图片，如果为0，就代表不可能是真实的图片。在对该生成式对抗网络进行训练的过程中，生成网络G的目标就是尽可能生成真实的图片去欺骗判别网络D，而判别网络D的目标就是尽量把G生成的图片和真实的图片区分开来。这样，G和D就构成了一个动态的“博弈”过程，也即“生成式对抗网络”中的“对抗”。最后博弈的结果，在理想的状态下，G可以生成足以“以假乱真”的图片G(z)，而D难以判定G生成的图片究竟是不是真实的，即D(G(z))＝0.5。这样就获得了一个优异的生成模型G，它可以用来生成图片。
图6为本申请实施例的熵编/解码方法的一个示例性的框架图，如图6所示，图像块的原始值经视频编码器处理后获得图像块的基本层信息和增强层信息，视频编码器将基本层信息输入神经网络获得K组概率值，并对增强层信息进行预处理获得K个元素。视频编码器根据K组概率值对K个元素进行熵编码获得增强层信息对应的编码数据。视频解码器从码流中获得基本层信息，将基本层信息输入神经网络获得K组概率值，然后根据K组概率值对码流中的编码数据进行熵解码获得K个元素，然后对K个元素进行后处理获得增强层信息，进而根据增强层信息获得图像块的重建值。
图7为本申请实施例的熵编码方法的过程700的流程图。过程700可由视频编码器20执行，具体的，可以由视频编码器20的熵编码单元270来执行。过程700描述为一系列的步骤或操作，应当理解的是，过程700可以以各种顺序执行和/或同时发生，不限于图7所示的执行顺序。假设具有多个图像帧的视频数据流正在使用视频编码器，执行包括如下步骤的过程700来实现熵编码。过程700可以包括：
步骤701、获得待编码的图像块的基本层信息。
图像块可以是指视频数据流中的任意一帧完整的图像帧，也可以是指视频数据流中的任意一帧图像帧分割而来的任意一个图像块或图像区域。为了便于描述，本申请中将图像帧、图像块或图像区域统称为“图像块”。应当理解，虽称作图像块，但这本非是对编码对象的限定。
在分层编码技术中，针对待编码的图像块，编码器可以采用任意一种编码方式(例如混合编码方式或者E2E图像编码方式等)对该图像块进行编码，获得的编码后的信息即为基本层信息；编码器采用与上述编码方式对应的解码方式再对编码后的信息进行解码，获得该图像块的重建值，然后计算该图像块的原始值和重建值之间的差值，即为该图像块的增强层信息。
由此可见，图像块(假设图像块包含N个像素点)的基本层信息对应于图像块中的M个像素点，M≤N，这是因为在编码过程中还可能包含下采样处理，从而使得压缩编码获得基本层信息所对应的像素点的个数M比原始的图像块包含的像素点的个数N小；如果在编码过程中没有进行下采样处理，那么基本层信息所对应的像素点的个数M和原始的图像块包含的像素点的个数N相等。
在一种可能的实现方式中，基本层信息包括M个像素点的重建值。
编码器可以采用E2E图像编码等编码方式对图像块进行编码获得编码数据，然后编码器采用与前述编码方式对应的解码方式对编码数据进行解码获得该图像块中的M个像素点的重建值。因此基本层信息可以包括该M个像素点的重建值。
在一种可能的实现方式中，基本层信息包括M个像素点的预测值和/或残差值。
编码器采用混合编码方式对图像块进行编码获得编码数据，然后编码器采用混合解码方式对编码数据进行解码获得该图像块中的M个像素点的预测值和/或残差值。其中，根据编解码的效率，可能解码获得的残差值为0，当残差值为0时，可以获得M个像素点的重建值即为M个像素点的预测值；而当残差值不为0时，可以将M个像素点的预测值和残差值求和获得M个像素点的重建值。因此基本层信息可以包括M个像素点的重建值，也可以包括M个像素点的预测值和/或残差值。
在一种可能的实现方式中，基本层信息是指图像块中的M个像素点的DCT变换值。
编码器在获获得上述M个像素点的残差值后，可以对该残差值进行变换(例如DCT变换)获得该M个像素点的DCT变换值。可选的，编码器也可以直接对M个像素点的原始值进行变换(例如DCT变换)获得该M个像素点的DCT变换值。
步骤702、获得与图像块的增强层信息对应的K个元素。
作为图像块的增益补充，增强层信息对应于图像块中的N个像素点。本申请中，K个元素可以有以下几种情况和获得方法：
1、K个元素是指K个特征值
编码器可以对图像块中的N个像素点的原始值进行特征提取获得K个特征值。基于此，K个元素是指K个特征值。
图像块的增强层信息可以是指上述N个像素点的原始值，因此增强层信息对应的K个元素可以是N个像素点的原始值对应的K个特征值。
特征提取是计算机视觉和图像处理中的一个概念，指的是使用计算机提取图像中属于特征性的信息的方法及过程。特征提取的结果是把图像上的像素点分为不同的子集，这些子集往往属于孤立的点、连续的曲线或者连续的区域。图8为本申请实施例的特征提取方法的一个示例性的示意图，如图8所示，增强层信息(即N个像素点的原始值)采用一个A×B×c的矩阵表示，其中，A×B表示图像块的尺寸，c表示图像块的色彩空间的分量数。例如，在YUV色彩空间中，c为1表示对Y、U和V三个分量分别进行编码，即该三个分量分别对应一个A×B×1的矩阵；c为2表示对Y、U和V三个分量的其中任意两个分量同时进行编码，即该三个分量的其中任意两个分量对应一个A×B×2的矩阵；c为3表示对Y、U和V三个分量同时进行编码，即该三个分量对应一个A×B×3的矩阵。用于特征提取的编码器(Encoder)由卷积层(conv)和归一化层(GND)构成，例如四个conv和三个GND穿插级联构成Encoder，其中conv的尺寸可以是5×5×192/2，5×5表示卷积核的尺寸，192表示卷积层的深度(包含的通道数)，2表示下采样因子。Encoder生成一个P×Q×M的矩阵，其中P×Q表示特征图的尺寸，M表示特征图的通道数，该矩阵中的元素的值即为上述K个特征值。
2、K个元素是指K个差值特征值
编码器可以对N个像素点的原始值进行混合编码获得N个像素点的编码值；对N个像素点的编码值进行混合解码获得N个像素点的重建值；根据N个像素点的原始值和N个像素点的重建值求差获得N个像素点的第一差值；对N个像素点的第一差值进行特征提取获得K个差值特征值。基于此，K个元素是指K个差值特征值。
图像块的增强层信息可以是指上述N个像素点的第一差值，因此增强层信息对应的K个元素可以是N个像素点的第一差值对应的K个差值特征值。同样可以采用图8所示的Encoder对增强层信息(即N个像素点的第一差值)进行特征提取，获得上述K个差值特征值。
3、K个元素是指K个变换值特征值
编码器可以获得N个像素点的预测值；根据N个像素点的原始值和N个像素点的预测值求差获得N个像素点的第二差值；对N个像素点的第二差值进行变换获得N个像素点的变换值；对N个像素点的变换值进行特征提取获得K个变换值特征值。基于此，K个元素是指K个变换值特征值。
图像块的增强层信息可以是指上述N个像素点的变换值，因此增强层信息对应的K个元素可以是N个像素点的变换值对应的K个变换值特征值。同样可以采用图8所示的Encoder对增强层信息(即N个像素点的变换值)进行特征提取，获得上述K个变换值特征值。
4、K个元素包括最后一个非零值的坐标，第一个值以及其他值
编码器可以获得N个像素点的预测值；根据N个像素点的原始值和N个像素点的预测值求差获得N个像素点的第二差值；对N个像素点的第二差值进行变换获得N个像素点的变换值；对N个像素点的变换值进行量化取获得N个像素点的量化变换值；从N个像素点的量化变换值中提取最后一个非零值的坐标，N个像素点的量化变换值的第一个值以及N个像素点的量化变换值的第二个值到最后一个非零值之间的所有值。基于此，K个元素包括最后一个非零值的坐标，第一个值以及第二个值到最后一个非零值之间的所有值。
图像块的增强层信息可以是指上述N个像素点的量化变换值，因此增强层信息对应的K个元素可以包括从N个像素点的量化变换值中提取的最后一个非零值的坐标(Lastx,y)，N个像素点的量化变换值中的第一个值(DC系数)以及第二个值到最后一个非零值之间的所有值(AC系数)。
可选的，编码器可以对与基本层信息对应的M个像素点的原始值进行混合编码获得M个像素点的编码值；对M个像素点的编码值进行混合解码获得M个像素点的重建值；根据M个像素点的重建值获得N个像素点的预测值。在一种可能的实现方式中，对M个像素点的原始值进行混合编码时，只编码M个像素点的预测方式相关的模式信息，编码对象不包含M个像素的残差值，此时对M个像素点的编码值进行混合解码获得M个像素点的重建值即为M个像素点的预测值。
其中，当N＝M时，编码器可以根据M个像素点的重建值获得N个像素点的预测值；或者，当N＞M时，编码器需要先对M个像素点的重建值进行插值获得N个像素点的重建值，然后根据N个像素点的重建值获得N个像素点的预测值。
步骤703、将基本层信息输入神经网络以获得K组概率值。
神经网络是训练引擎基于训练数据集合训练获得的，该神经网络可以处理输入的图像块的基本层信息，以生成上述K个元素对应的K组概率值。图9为本申请实施例的神经网络的一个示例性的结构图，如图9所示，神经网络由由卷积层(conv)和激活层(ReLU)构成，例如四个conv和三个ReLU穿插级联构成神经网络，其中第一个conv的尺寸可以是1×3×3×M/2，1表示输入的图像块的通道数，3×3表示卷积核大小，M表示卷积层输出的特征图的通道数，2表示下采样因子；第二个conv的尺寸可以是M×3×3×M/2，M表示输入图像块的通道数，3×3表示卷积核大小，M表示卷积层输出的特征图的通道数，2表示下采样因子；第三个conv的尺寸可以是M×3×3×M/2，M表示输入图像块的通道数，3×3表示卷积核大小，M表示卷积层输出的特征图的通道数，2表示下采样因子；第四个conv的尺寸可以是M×3×3×2M/2，M表示输入图像块的通道数，3×3表示卷积核大小，2M表示卷积层输出的特征图的通道数，2表示下采样因子。
本申请实施例中训练数据集合与上述K个元素相关联，即针对K个元素的不同的物理含义，训练数据集合随之发生变化。
可选的，当K个元素是指上述K个特征值、K个差值特征值和K个变换值特征值的其中之一时，训练数据集合包括多个图像块各自的M个像素点的原始值，以及该多个图像块各自的N个像素点分别对应的K组概率值。
可选的，当K个元素是指上述Last x,y、DC系数和AC系数时，训练数据集合包括多个图像块各自的M个像素点的量化变换值，以及多个图像块各自的N个像素点分别对应的K组概率值。
在一种可能的实现方式中，训练引擎训练神经网络的过程包括：使用PyTorch软件在NVIDIA V100 GPUs上训练神经网络。例如，采用自适应矩阵估计(adaptive momentestimation，Adam)算法优化训练神经网络，DIV2K数据集作为其训练数据集合。在图像块的基本层采用VVC参考软件对图像块进行压缩编码，用图像块的原始值和图像块的重建值(由图像块的基本层信息获得)计算获得增强层图像块的残差值(即增强层信息)。Encoder网络提取增强层图像块的残差值的特征值，神经网络根据基本层信息对应的残差值估计增强层图像块的残差值的特征值的概率分布，Decoder网络根据残差值的特征值重建增强层图像块的残差值。为了使Encoder网络、Decoder网络和熵估计神经网络高效耦合，Encoder网络、Decoder网络和熵估计可以进行联合训练。训练的优化目标与端到端图像编码优化目标相同，对码率-失真(R+λD)联合优化，其函数表达式为：
Figure BDA0002713885030000341
其中，py(y)表示神经网络输出的第y组概率值，Δx表示图像块的残差值，Δx’表示图像块的残差值的重建值。
在一种可能的实现方式中，训练引擎训练神经网络的过程包括：使用PyTorch软件在NVIDIA V100 GPUs上训练神经网络。例如，采用Adam算法优化训练神经网络，DIV2K数据集作为其训练数据集合。在图像块的基本层采用VVC参考软件对图像块进行压缩编码，再解码获得图像块的重建值，用图像块的原始值和图像块的重建值(由图像块的基本层信息获得)计算获得增强层图像块的残差值。Encoder网络提取增强层图像块的残差值的特征值，神经网络根据基本层的重建值估计增强层图像块残差值的特征值的概率分布。Decoder根据残差值的特征值和基本层重建值重建更高质量的重建值。为了使Encoder、Decoder和神经网络高效耦合，Encoder、Decoder和神经网络可以进行联合训练。训练的优化目标与端到端图像编码优化目标相同，对码率-失真(R+λD)联合优化，其函数表达式为：
Figure BDA0002713885030000343
其中，x表示图像块的原始值，x’表示图像块的重建值。
在一种可能的实现方式中，训练引擎训练神经网络的过程包括：使用PyTorch软件在NVIDIA V100 GPUs上训练神经网络。例如，采用Adam算法优化神经网络，DIV2K数据集作为其训练数据集合。在图像块的基本层采用任意编解码器进行压缩编码，再解码获得图像块的重建值(由图像块的基本层信息获得)。在图像块的增强层采用VVC参考软件对图像块进行压缩编码，提取图像块的变换值。Encoder网络提取增强层图像块的变换值的特征值，神经网络根据基本层的重建值的变换值估计增强层图像块变换值的特征值的概率分布。Decoder根据变换值的特征值重建增强层图像块的变换值。为了使Encoder、Decoder和神经网络高效耦合，Encoder、Decoder和神经网络可以进行联合训练。训练的优化目标与端到端图像编码优化目标相同，对码率-失真(R+λD)联合优化，其函数表达式为：
Figure BDA0002713885030000342
其中，py(y)表示神经网络输出的第y组概率值，T表示图像块的变换值，T’表示图像块的残差值的变换值。
K组概率值和上述K个元素对应，任意一组概率值用于表示对应的元素的多个候选取值的概率。例如，图10为本申请实施例的K个元素的一个示例性的示意图，如图10所示，假设K个元素包括A、B、C和D四个特征点，这四个特征点的取值范围均为{-2,-1,0,1,2}，对应于A的一组概率值包含4个概率值，该4个概率值分别对应于A的取值范围{-2,-1,0,1,2}中的4个值；对应于B的一组概率值包含4个概率值，该4个概率值分别对应于B的取值范围{-2,-1,0,1,2}中的4个值；以此类推。可见，每个特征点(元素)对应一组概率值，每组概率值包含的概率值的数量与其对应的特征点的取值范围相关联。
本申请将在步骤701中获得的基本层信息输入神经网络获得K组概率值。该神经网络可以由卷积层(conv)和激活层(ReLU)构成，例如四个conv和三个ReLU穿插级联构成神经网络。关于神经网络的训练和使用可参照训练引擎25相关描述，此处不再赘述。
在一种可能的实现方式中，当与上述几种情况下的K个元素中的部分或全部元素的多个候选取值的概率满足高斯分布时，满足高斯分布的元素对应的一组概率值包括其所满足的高斯分布的方差和均值。即每个元素的取值是离散的，因此存在一个或多个元素的多个候选取值的概率满足高斯概率分布，因此神经网络可以该一个或多个元素各自所满足的高斯分布的方差和均值，用以表示该一个或多个元素各自的多个候选取值的概率值。
步骤704、根据K组概率值对K个元素进行熵编码。
本申请利用神经网络输出的K组概率值进行熵编码。例如，如图10所示，A、B、C和D的取值范围均为{-2,-1,0,1,2}，其中，针对A的各个候选取值：-2的概率值为0.1，-1的概率值为0.2，0的概率值为0.4，1的概率值为0.2，2的概率值为0.1；针对B的各个候选取值：-2的概率值为0.15，-1的概率值为0.3，0的概率值为0.3，1的概率值为0.2，2的概率值为0.05；针对C的各个候选取值：-2的概率值为0.05，-1的概率值为0.1，0的概率值为0.4，1的概率值为0.4，2的概率值为0.05；针对D的各个候选取值：-2的概率值为0.5，-1的概率值为0.2，0的概率值为0.15，1的概率值为0.1，2的概率值为0.05。因此，图11为本申请实施例的算术编码算法的一个示例性的示意图，如图11所示，按照算术编码算法，根据A、B、C和D各自的取值，对概率区间[0,1]进行逐层划分，将A、B、C和D各自的取值表示成其对应的概率区间内的一个间隔，最后输出的“当前间隔”的下边界就是编码后的码字。假设A、B、C和D的取值均为0，根据A的各个候选取值的概率值，概率区间[0,1]被划分成0～0.1、0.1～0.3、0.3～0.7、0.7～0.9以及0.9～1五个间隔，其中对应于取值0的间隔为0.3～0.7；根据B的各个候选取值的概率值，概率区间[0.3,0.7]被划分成0.3～0.36、0.36～0.48、0.48～0.6、0.6～0.68以及0.68～0.7五个间隔，其中对应于取值0的间隔为0.48～0.6；根据C的各个候选取值的概率值，概率区间[0.48,0.6]被划分成0.48～0.486、0.486～0.498、0.498～0.546、0.546～0.594以及0.594～0.6五个间隔，其中对应于取值0的间隔为0.498～0.546；根据D的各个候选取值的概率值，概率区间[0.498,0.546]被划分成0.498～0.522、0.522～0.5316、0.5316～0.5388、0.5388～0.5436以及0.5436～0.546五个间隔，其中对应于取值0的间隔为0.5316～0.5388。因此“当前间隔”为0.5316～0.5388，取其下边界0.5316作为编码后的码字。编码器可以将0.5316定点化表示写入码流。
本申请充分挖掘分层编码技术中增强层与基本层之间的相关性，利用基本层信息对增强层信息对应的多个元素进行概率估计，获得的概率值准确度较高，进而基于该概率值对多个元素进行熵编码，可以提高熵编码的效率。
图12为本申请实施例的熵解码方法的过程1200的流程图。过程1200可由视频解码器30执行，具体的，可以由视频解码器30的熵解码单元304来执行。过程1200描述为一系列的步骤或操作，应当理解的是，过程1200可以以各种顺序执行和/或同时发生，不限于图12所示的执行顺序。假设对应于多个图像帧的编码码流正在使用视频解码器，执行包括如下步骤的过程1200来实现熵解码。过程1200可以包括：
步骤1201、获得码流。
解码器可以通过与编码器之间的通信链路接收码流。
步骤1202、解析码流以获得待解码的图像块的基本层信息和编码数据。
针对待解码的图像块，解码器解析其对应的码流，从数据中获得基本层信息，基本层信息对应于图像块中的M个像素点。码流中还包含了对应于图像块的增强层信息的编码数据，解码器可以从数据负载中读取该编码数据，增强层信息和图像块中的N个像素点对应，N≥M。
步骤1203、将基本层信息输入神经网络以获得K组概率值。
步骤1203可以参照图7所示实施例中的步骤703，此处不再赘述。
步骤1204、根据K组概率值对编码数据进行熵解码以获得K个元素。
K组概率值和K个元素对应，任意一组概率值用于表示对应的元素的多个候选取值的概率。例如，如图10和11所示，已获得编码后的码字为0.5316和A、B、C和D四个特征点各自的5个候选取值的概率值，针对A的各个候选取值：0.5316所属的间隔为0.3～0.7，该间隔对应取值0，因此A的取值为0；针对B的各个候选取值：0.5316所属的间隔为0.48～0.6，该间隔对应取值0，因此B的取值为0；针对C的各个候选取值：0.5316所属的间隔为0.498～0.546，该间隔对应取值0，因此C的取值为0；针对D的各个候选取值：0.5316所属的间隔为0.5316～0.5388，该间隔对应取值0，因此D的取值为0。由此可得，K个元素为A、B、C和D四个特征，其取值均为0。
步骤1205、根据K个元素获得N个像素点的重建值。
与编码端相对应，K个元素也可以有多种实施方式，而K个元素具体的表示对象可以由编码端和解码端共同约定，也可以由编码端将K个元素的指示信息携带于码流中传输给解码端，解码端解析码流获得该指示信息。
1、K个元素是指K个特征值
解码器可以对K个特征值进行反特征提取获得N个像素点的重建值。
2、K个元素是指K个差值特征值
解码器可以对K个差值特征值进行反特征提取获得N个像素点的第一差值；解析码流获得图像块的基本层信息对应的M个像素点的重建值，N≥M；根据M个像素点的重建值获得N个像素点的预测值；根据N个像素点的预测值和N个像素点的第一差值获得N个像素点的重建值。
3、K个元素是指K个变换值特征值
解码器可以对K个变换值特征值进行反特征提取获得N个像素点的变换值；对N个像素点的变换值进行反变换获得N个像素点的第二差值；解析码流获得图像块的基本层信息对应的M个像素点的重建值，N≥M；根据M个像素点的重建值获得N个像素点的预测值；根据N个像素点的预测值和N个像素点的第二差值获得N个像素点的重建值。
4、K个元素包括N个像素点的变换值中最后一个非零值的坐标，第一个值以及其他值
解码器可以根据最后一个非零值的坐标，N个像素点的变换值中的第一个值以及第二个值到最后一个非零值之间的所有值进行反量化获得N个像素点的变换值；对N个像素点的变换值进行反变换获得N个像素点的第二差值；解析码流获得图像块的基本层信息对应的M个像素点的重建值，N≥M；根据M个像素点的重建值获得N个像素点的预测值；根据N个像素点的预测值和N个像素点的第二差值获得N个像素点的重建值。
可选的，当N＞M时，解码器可以对M个像素点的重建值进行插值获得N个像素点的重建值；根据N个像素点的重建值和N个像素点的第一差值求和获得N个像素点的重建值。或者，当N＝M时，解码器可以根据M个像素点的重建值和N个像素点的第一差值求和获得N个像素点的重建值。
可选的，当N＞M时，解码器可以对M个像素点的预测值进行插值获得N个像素点的预测值；根据N个像素点的预测值和N个像素点的第二差值求和获得N个像素点的重建值；或者，当N＝M时，解码器可以根据M个像素点的预测值和N个像素点的第二差值求和获得N个像素点的重建值。
本申请码流中增强层只携带图像块的增强层信息对应的多个元素值，解码端利用神经网络根据基本层信息估计增强层信息对应的多个元素的多个候选取值的概率值，因此无需编码传输额外的隐变量，可以节省字节数，提高熵解码效率。
以下采用几个具体的实施例对上述实施例的方法进行描述。
实施例一
图13为本申请熵编码方法的一个示例性的流程图，如图13所示，x表示图像块的原始值。在视频编码器中，x经过基于混合编码框架的编码器进行编码获得基本层信息对应的第一编码码流，第一编码码流再经过基于混合解码框架的解码器进行解码获得图像块的重建值xc。视频编码器将图像块的重建值xc输入神经网络获得K组概率值。可选的，如图14所示，视频编码器可以在将图像块的重建值xc输入神经网络之前，先将图像块的重建值xc输入Encoder2进行特征提取，然后将图像块的重建值xc对应的特征值输入神经网络以获得K组概率值。需要说明的是，Encoder2的结构可以参照图8所示实施例，Encoder2的结构也可以采用其他结构，本申请对此不做具体限定。视频编码器根据图像块的原始值x和图像块的重建值xc求差获得图像块的残差值Δx，然后将图像块的残差值Δx输入Encoder进行特征提取获得图像块的残差值对应的K个差值特征值y1。视频编码器根据K组概率值对K个差值特征值y1进行熵编码，获得增强层信息对应的第二编码码流。
视频解码器采用基于混合解码框架的解码器对接收到的第一编码码流进行解码获得图像块的重建值xc。将图像块的重建值xc输入神经网络获得K组概率值，然后根据K组概率值、采用与熵编码方式对应的熵解码方式对第二编码码流中的数据进行解码获得K个差值特征值y1。视频解码器采用与Encoder对应的Decoder对K个差值特征值y1进行反特征提取获得图像块的残差值Δx’。视频解码器将图像块的残差值Δx’和图像块的重建值xc求和获得图像块的最终重建值x’。
上述熵编码和熵解码的方法均可参照图7和图12所示实施例，此不再赘述。
实施例二
图15为本申请熵编码方法的一个示例性的流程图，如图15所示，x表示图像块的原始值。与实施一的区别在于：视频编码器和解码器将图像块的残差值Δx输入神经网络，即本实施例中是基于图像块的残差值Δx获得K组概率值。
实施例三
图16为本申请熵编码方法的一个示例性的流程图，如图16所示，x表示图像块的原始值。与实施一的区别在于：视频编码器和解码器将图像块的残差值Δx和图像块的重建值xc均输入神经网络，即本实施例中是基于图像块的残差值Δx和图像块的重建值xc获得K组概率值。
实施例四
图17为本申请熵编码方法的一个示例性的流程图，如图17所示，x表示图像块的原始值。与实施一的区别在于：视频编码器将图像块的原始值x输入Encoder进行特征提取获得图像块的原始值对应的K个特征值y2。相应的，视频解码器将基本层图像块的重建值xc输入神经网络获得K组概率值、采用与熵编码方式对应的熵解码方式对第二编码码流中的数据进行解码获得K个特征值y2，进而采用与Encoder对应的Decoder对K个特征值y2进行反特征提取获得图像块的重建值x’。
需要说明的是，本实施例中视频编码器输入神经网络的数据还可以参照上述实施例二和实施三，此处不再赘述。
实施例五
图18为本申请熵编码方法的一个示例性的流程图，如图18所示，x表示图像块的原始值。视频编码器先对图像块的原始值x进行下采样获得图像块的量化原始值xd，例如，图像块的尺寸为256×256，下采样后的图像块的量化原始值xd对应的尺寸为128×128。图像块的量化原始值xd经过基于混合编码框架的编码器进行编码获得基本层信息对应的第一编码码流，第一编码码流再经过基于混合解码框架的解码器进行解码获得图像块的量化重建值xd_c。视频编码器将图像块的量化重建值xd_c输入神经网络获得K组概率值。视频编码器根据图像块的量化重建值xd_c获得图像块的预测值xp，然后将图像块的原始值x和图像块的预测值xp求差获得图像块的第二差值Δx2。视频编码器对图像块的第二差值Δx2进行变换获得图像块的变换值T，将图像块的变换值T输入Encoder进行特征提取获得图像块的变换值对应的K个变换值特征值y3。视频编码器根据K组概率值对K个变换值特征值y3进行熵编码，获得增强层信息对应的第二编码码流。
视频解码器采用基于混合解码框架的解码器对接收到的第一编码码流进行解码获得图像块的量化重建值xd_c。视频解码器将图像块的量化重建值xd_c输入神经网络获得K组概率值，然后根据K组概率值、采用与熵编码方式对应的熵解码方式对第二编码码流中的数据进行解码获得K个变换值特征值y3。视频解码器采用与Encoder对应的Decoder对K个变换值特征值y3进行反特征提取获得图像块的变换值T’。视频解码器对图像块的变换值T’进行反变换获得图像块的第二差值Δx2’。视频解码器根据图像块的量化重建值xd_c获得图像块的预测值xp’。视频解码器将图像块的预测值xp’和图像块的第二差值Δx2’求和获得图像块的最终重建值x’。
实施例六
图19为本申请熵编码方法的一个示例性的流程图，如图19所示，x表示图像块的原始值。视频编码器将图像块的原始值x经过基于混合编码框架的编码器进行编码获得基本层信息对应的第一编码码流，第一编码码流再经过基于混合解码框架的解码器进行解码获得图像块的重建值xc。视频编码器将图像块的重建值xc输入神经网络获得K组概率值。视频编码器根据图像块的重建值xc获得图像块的预测值xp，然后将图像块的原始值x和图像块的预测值xp求差获得图像块的第二差值Δx2。视频编码器对图像块的第二差值Δx2进行变换获得图像块的变换值T，再对图像块的变换值T进行量化获得图像块的量化变换值T’。视频编码器从图像块的量化变换值T’中提取最后一个非零值的坐标(Last x,y)，第一个值(DC系数)以及第二个值到最后一个非零值之间的所有值(AC系数)。视频编码器根据K组概率值对Last x,y、DC系数和AC系数进行熵编码，获得增强层信息对应的第二编码码流。
视频解码器采用基于混合解码框架的解码器对接收到的第一编码码流进行解码获得图像块的重建值xc。视频解码器将图像块的重建值xc输入神经网络获得K组概率值，然后根据K组概率值、采用与熵编码方式对应的熵解码方式对第二编码码流中的数据进行解码获得Last x,y、DC系数和AC系数。视频解码器根据Last x,y、DC系数和AC系数反量化获得图像块的变换值T。视频解码器对图像块的变换值T进行反变换获得图像块的第二差值Δx2’。视频解码器根据图像块的重建值xc获得图像块的预测值xp’。视频解码器将图像块的预测值xp’和图像块的第二差值Δx2’求和获得图像块的最终重建值x’。
图20为本申请实施例熵编码装置2000的结构示意图。该熵编码装置2000可以是视频编码器20。该熵编码装置2000包括获得模块2001、熵编码模块2002和训练模块2003。
其中，
获得模块2001，用于获得待编码的图像块的基本层信息，所述基本层信息对应于所述图像块中的M个像素点，M为正整数；获得与所述图像块的增强层信息对应的K个元素，所述增强层信息对应于所述图像块中的N个像素点，K和N均为正整数，N≥M；将所述基本层信息输入神经网络获得K组概率值，所述K组概率值和所述K个元素对应，任意一组概率值用于表示对应的元素的多个候选取值的概率；熵编码模块2002，用于根据所述K组概率值对所述K个元素进行熵编码。
在一种可能的实现方式中，所述基本层信息包括所述M个像素点的重建值；或者，所述基本层信息包括所述M个像素点的预测值和/或残差值；或者，所述基本层信息包括所述M个像素点的DCT变换值。
在一种可能的实现方式中，所述获得模块2001，具体用于对所述N个像素点的原始值进行特征提取获得K个特征值；相应的，所述K个元素是指所述K个特征值。
在一种可能的实现方式中，所述获得模块2001，具体用于对所述N个像素点的原始值进行混合编码获得所述N个像素点的编码值；对所述N个像素点的编码值进行混合解码获得所述N个像素点的重建值；根据所述N个像素点的原始值和所述N个像素点的重建值求差获得所述N个像素点的第一差值；对所述N个像素点的第一差值进行特征提取获得K个差值特征值；相应的，所述K个元素是指所述K个差值特征值。
在一种可能的实现方式中，所述获得模块2001，具体用于获得所述N个像素点的预测值；根据所述N个像素点的原始值和所述N个像素点的预测值求差获得所述N个像素点的第二差值；对所述N个像素点的第二差值进行变换获得所述N个像素点的变换值；对所述N个像素点的变换值进行特征提取获得K个变换值特征值；相应的，所述K个元素是指所述K个变换值特征值。
在一种可能的实现方式中，所述获得模块2001，具体用于获得所述N个像素点的预测值；根据所述N个像素点的原始值和所述N个像素点的预测值求差获得所述N个像素点的第二差值；对所述N个像素点的第二差值进行变换获得所述N个像素点的变换值；对所述N个像素点的变换值进行量化取获得所述N个像素点的量化变换值；从所述N个像素点的量化变换值中提取最后一个非零值的坐标，第一个值以及所述N个像素点的量化变换值的第二个值到所述最后一个非零值之间的所有值；相应的，所述K个元素包括所述最后一个非零值的坐标，所述第一个值以及所述所有值。
在一种可能的实现方式中，所述获得模块2001，具体用于对所述M个像素点的原始值进行混合编码获得所述M个像素点的编码值；对所述M个像素点的编码值进行混合解码获得所述M个像素点的重建值；根据所述M个像素点的重建值获得所述N个像素点的预测值。
在一种可能的实现方式中，所述获得模块2001，具体用于当N＝M时，根据所述M个像素点的重建值获得所述N个像素点的预测值；或者，当N＞M时，对所述M个像素点的重建值进行插值获得N个像素点的重建值，根据所述N个像素点的重建值获得所述N个像素点的预测值。
在一种可能的实现方式中，当第一元素的多个候选取值的概率满足高斯分布时，所述第一元素对应的一组概率值包括所述第一元素的多个候选取值的概率所满足的高斯分布的方差和均值，所述第一元素是所述K个元素中的任意一个。
在一种可能的实现方式中，所述神经网络包括卷积层；所述卷积层的卷积核的深度为24、32、48、64、192或者384；所述卷积层中的卷积核的尺寸为1×1、3×3、5×5或者7×7。
在一种可能的实现方式中，所述神经网络包括卷积神经网络CNN、深度神经网络DNN或者循环神经网络RNN。
在一种可能的实现方式中，还包括：训练模块2003，用于获得训练数据集合，其中所述训练数据集合包括多个图像块各自的M个像素点的原始值，以及所述多个图像块各自的N个像素点分别对应的K组概率值；或者，所述训练数据集合包括多个图像块各自的M个像素点的量化变换值，以及所述多个图像块各自的N个像素点分别对应的K组概率值；根据所述训练数据集合训练获得所述神经网络。
本实施例的装置，可以用于执行图7所示方法实施例的技术方案，其实现原理和技术效果类似，此处不再赘述。
图21为本申请实施例熵解码装置2100的结构示意图。该熵解码装置2100可以是视频解码器30。该熵解码装置2100包括获得模块2101和熵解码模块2102。其中，
获得模块2101，用于获得码流；熵解码模块2102，用于解析所述码流获得待解码的图像块的基本层信息和编码数据，所述基本层信息对应于所述图像块中的M个像素点，所述编码数据对应于增强层信息，所述增强层信息和所述图像块中的N个像素点对应，M和N均为正整数，N≥M；将所述基本层信息输入神经网络获得K组概率值，所述K组概率值K个元素对应，任意一组概率值用于表示对应的元素的多个候选取值的概率，K为正整数；根据所述K组概率值对所述编码数据进行熵解码获得所述K个元素；根据所述K个元素获得所述N个像素点的重建值，N为正整数。
在一种可能的实现方式中，当所述K个元素是指K个特征值时，所述熵解码模块，具体用于对所述K个特征值进行反特征提取获得所述N个像素点的重建值。
在一种可能的实现方式中，当所述K个元素是指K个差值特征值时，所述熵解码模块2102，具体用于对所述K个差值特征值进行反特征提取获得所述N个像素点的第一差值；解析所述码流获得所述图像块的基本层信息对应的M个像素点的重建值，N≥M；根据所述M个像素点的重建值和所述N个像素点的第一差值获得所述N个像素点的重建值。
在一种可能的实现方式中，当所述K个元素是指K个变换值特征值时，所述熵解码模块2102，具体用于对所述K个变换值特征值进行反特征提取获得所述N个像素点的变换值；对所述N个像素点的变换值进行反变换获得所述N个像素点的第二差值；解析所述码流获得所述图像块的基本层信息对应的M个像素点的重建值，N≥M；根据所述M个像素点的重建值获得所述M个像素点的预测值；根据所述M个像素点的预测值和所述N个像素点的第二差值获得所述N个像素点的重建值。
在一种可能的实现方式中，当所述K个元素包括所述N个像素点的DCT变换值中最后一个非零值的坐标，第一个值以及所述N个像素点的量化变换值的第二个值到所述最后一个非零值之间的所有值时，所述熵解码模块2102，具体用于根据所述最后一个非零值的坐标，所述第一个值以及所述所有值进行反量化获得所述N个像素点的变换值；对所述N个像素点的变换值进行反变换获得所述N个像素点的第二差值；解析所述码流获得所述图像块的基本层信息对应的M个像素点的重建值，N≥M；根据所述M个像素点的重建值获得所述M个像素点的预测值；根据所述M个像素点的预测值和所述N个像素点的第二差值获得所述N个像素点的重建值。
在一种可能的实现方式中，所述熵解码模块，具体用于当N＞M时，对所述M个像素点的重建值进行插值获得N个像素点的重建值；根据所述N个像素点的重建值和所述N个像素点的第一差值求和获得所述N个像素点的重建值；或者，当N＝M时，根据所述M个像素点的重建值和所述N个像素点的第一差值求和获得所述N个像素点的重建值。
在一种可能的实现方式中，所述熵解码模块2102，具体用于当N＞M时，对所述M个像素点的预测值进行插值获得N个像素点的预测值；根据所述N个像素点的预测值和所述N个像素点的第二差值求和获得所述N个像素点的重建值；或者，当N＝M时，根据所述M个像素点的预测值和所述N个像素点的第二差值求和获得所述N个像素点的重建值。
本实施例的装置，可以用于执行图12所示方法实施例的技术方案，其实现原理和技术效果类似，此处不再赘述。
在实现过程中，上述方法实施例的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。处理器可以是通用处理器、数字信号处理器(digital signalprocessor,DSP)、特定应用集成电路(application-specific integrated circuit，ASIC)、现场可编程门阵列(field programmable gate array,FPGA)或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。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。本申请实施例公开的方法的步骤可以直接体现为硬件编码处理器执行完成，或者用编码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器，处理器读取存储器中的信息，结合其硬件完成上述方法的步骤。
上述各实施例中提及的存储器可以是易失性存储器或非易失性存储器，或可包括易失性和非易失性存储器两者。其中，非易失性存储器可以是只读存储器(read-onlymemory，ROM)、可编程只读存储器(programmable ROM，PROM)、可擦除可编程只读存储器(erasable PROM，EPROM)、电可擦除可编程只读存储器(electrically EPROM，EEPROM)或闪存。易失性存储器可以是随机存取存储器(random access memory，RAM)，其用作外部高速缓存。通过示例性但不是限制性说明，许多形式的RAM可用，例如静态随机存取存储器(static RAM，SRAM)、动态随机存取存储器(dynamic RAM，DRAM)、同步动态随机存取存储器(synchronous DRAM，SDRAM)、双倍数据速率同步动态随机存取存储器(double data rateSDRAM，DDR SDRAM)、增强型同步动态随机存取存储器(enhanced SDRAM，ESDRAM)、同步连接动态随机存取存储器(synchlink DRAM，SLDRAM)和直接内存总线随机存取存储器(directrambus RAM，DR RAM)。应注意，本文描述的系统和方法的存储器旨在包括但不限于这些和任意其它适合类型的存储器。
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申请的范围。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在本申请所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，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信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本申请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。
所述功能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，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案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中，包括若干指令用以使得一台计算机设备(个人计算机，服务器，或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(read-only memory，ROM)、随机存取存储器(random access memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以所述权利要求的保护范围为准。

Claims (44)

1.一种熵编码方法，其特征在于，包括：
获得待编码的图像块的基本层信息，所述基本层信息对应于所述图像块中的M个像素点，M为正整数；
获得与所述图像块的增强层信息对应的K个元素，所述增强层信息对应于所述图像块中的N个像素点，K和N均为正整数，N≥M；
将所述基本层信息输入神经网络以获得K组概率值，所述K组概率值和所述K个元素对应，任意一组概率值用于表示对应的元素的多个候选取值的概率；
根据所述K组概率值对所述K个元素进行熵编码。
2.根据权利要求1所述的方法，其特征在于，所述基本层信息包括所述M个像素点的重建值；或者，所述基本层信息包括所述M个像素点的预测值和/或残差值；或者，所述基本层信息包括所述M个像素点的变换值。
3.根据权利要求1或2所述的方法，其特征在于，所述获得与所述图像块的增强层信息对应的K个元素，包括：
对所述N个像素点的原始值进行特征提取以获得K个特征值；
相应的，所述K个元素是指所述K个特征值。
4.根据权利要求1或2所述的方法，其特征在于，所述获得与所述图像块的增强层信息对应的K个元素，包括：
对所述N个像素点的原始值进行混合编码以获得所述N个像素点的编码值；
对所述N个像素点的编码值进行混合解码以获得所述N个像素点的重建值；
根据所述N个像素点的原始值和所述N个像素点的重建值求差获得所述N个像素点的第一差值；
对所述N个像素点的第一差值进行特征提取以获得K个差值特征值；
相应的，所述K个元素是指所述K个差值特征值。
5.根据权利要求1或2所述的方法，其特征在于，所述获得与所述图像块的增强层信息对应的K个元素，包括：
获得所述N个像素点的预测值；
根据所述N个像素点的原始值和所述N个像素点的预测值求差获得所述N个像素点的第二差值；
对所述N个像素点的第二差值进行变换以获得所述N个像素点的变换值；
对所述N个像素点的变换值进行特征提取以获得K个变换值特征值；
相应的，所述K个元素是指所述K个变换值特征值。
6.根据权利要求1或2所述的方法，其特征在于，所述获得与所述图像块的增强层信息对应的K个元素，包括：
获得所述N个像素点的预测值；
根据所述N个像素点的原始值和所述N个像素点的预测值求差获得所述N个像素点的第二差值；
对所述N个像素点的第二差值进行变换以获得所述N个像素点的变换值；
对所述N个像素点的变换值进行量化取以获得所述N个像素点的量化变换值；
从所述N个像素点的量化变换值中提取最后一个非零值的坐标，所述N个像素点的量化变换值的第一个值以及所述N个像素点的量化变换值的第二个值到所述最后一个非零值之间的所有值；
相应的，所述K个元素包括所述最后一个非零值的坐标，所述第一个值以及所述所有值。
7.根据权利要求5或6所述的方法，其特征在于，所述获得所述N个像素点的预测值，包括：
对所述M个像素点的原始值进行混合编码以获得所述M个像素点的编码值；
对所述M个像素点的编码值进行混合解码以获得所述M个像素点的重建值；
根据所述M个像素点的重建值获得所述N个像素点的预测值。
8.根据权利要求7所述的方法，其特征在于，所述根据所述M个像素点的重建值获得所述N个像素点的预测值，包括：
当N＝M时，根据所述M个像素点的重建值获得所述N个像素点的预测值；或者，
当N＞M时，对所述M个像素点的重建值进行插值以获得N个像素点的重建值，根据所述N个像素点的重建值获得所述N个像素点的预测值。
9.根据权利要求3-5中任一项所述的方法，其特征在于，当第一元素的多个候选取值的概率满足高斯分布时，所述第一元素对应的一组概率值包括所述第一元素的多个候选取值的概率所满足的高斯分布的方差和均值，所述第一元素是所述K个元素中的任意一个。
10.根据权利要求1-9中任一项所述的方法，其特征在于，所述神经网络包括卷积层；所述卷积层的卷积核的深度为24、32、48、64、192或者384；所述卷积层中的卷积核的尺寸为1×1、3×3、5×5或者7×7。
11.根据权利要求10所述的方法，其特征在于，所述神经网络包括卷积神经网络CNN、深度神经网络DNN或者循环神经网络RNN。
12.根据权利要求10或11所述的方法，其特征在于，还包括：
获得训练数据集合，其中所述训练数据集合包括多个图像块各自的M个像素点的原始值，以及所述多个图像块各自的N个像素点分别对应的K组概率值；或者，所述训练数据集合包括多个图像块各自的M个像素点的量化变换值，以及所述多个图像块各自的N个像素点分别对应的K组概率值；
根据所述训练数据集合训练获得所述神经网络。
13.一种熵解码方法，其特征在于，包括：
获得码流；
解析所述码流以获得待解码的图像块的基本层信息和编码数据，所述基本层信息对应于所述图像块中的M个像素点，所述编码数据对应于增强层信息，所述增强层信息和所述图像块中的N个像素点对应，M和N均为正整数，N≥M；
将所述基本层信息输入神经网络以获得K组概率值，所述K组概率值K个元素对应，任意一组概率值用于表示对应的元素的多个候选取值的概率，K为正整数；
根据所述K组概率值对所述编码数据进行熵解码以获得所述K个元素；
根据所述K个元素获得所述N个像素点的重建值，N为正整数。
14.根据权利要求13所述的方法，其特征在于，当所述K个元素是指K个特征值时，所述根据所述K个元素获得所述N个像素点的重建值，包括：
对所述K个特征值进行反特征提取以获得所述N个像素点的重建值。
15.根据权利要求13所述的方法，其特征在于，当所述K个元素是指K个差值特征值时，所述根据所述K个元素获得所述N个像素点的重建值，包括：
对所述K个差值特征值进行反特征提取以获得所述N个像素点的第一差值；
解析所述码流以获得所述图像块的基本层信息对应的M个像素点的重建值，N≥M；
根据所述M个像素点的重建值和所述N个像素点的第一差值获得所述N个像素点的重建值。
16.根据权利要求13所述的方法，其特征在于，当所述K个元素是指K个变换值特征值时，所述根据所述K个元素获得所述N个像素点的重建值，包括：
对所述K个变换值特征值进行反特征提取以获得所述N个像素点的变换值；
对所述N个像素点的变换值进行反变换以获得所述N个像素点的第二差值；
解析所述码流以获得所述图像块的基本层信息对应的M个像素点的重建值，N≥M；
根据所述M个像素点的重建值获得所述M个像素点的预测值；
根据所述M个像素点的预测值和所述N个像素点的第二差值获得所述N个像素点的重建值。
17.根据权利要求13所述的方法，其特征在于，当所述K个元素包括所述N个像素点的变换值中最后一个非零值的坐标，所述N个像素点的变换值的第一个值以及所述N个像素点的变换值的第二个值到所述最后一个非零值之间的所有值时，所述根据所述K个元素获得所述N个像素点的重建值，包括：
根据所述最后一个非零值的坐标，所述第一个值以及所述所有值进行反量化以获得所述N个像素点的变换值；
对所述N个像素点的变换值进行反变换以获得所述N个像素点的第二差值；
解析所述码流以获得所述图像块的基本层信息对应的M个像素点的重建值，N≥M；
根据所述M个像素点的重建值获得所述M个像素点的预测值；
根据所述M个像素点的预测值和所述N个像素点的第二差值获得所述N个像素点的重建值。
18.根据权利要求17所述的方法，其特征在于，所述根据所述M个像素点的重建值和所述N个像素点的第一差值获得所述N个像素点的重建值，包括：
当N＞M时，对所述M个像素点的重建值进行插值以获得N个像素点的重建值；根据所述N个像素点的重建值和所述N个像素点的第一差值求和获得所述N个像素点的重建值；或者，
当N＝M时，根据所述M个像素点的重建值和所述N个像素点的第一差值求和获得所述N个像素点的重建值。
19.根据权利要求16或17所述的方法，其特征在于，所述根据所述M个像素点的预测值和所述N个像素点的第二差值获得所述N个像素点的重建值，包括：
当N＞M时，对所述M个像素点的预测值进行插值以获得N个像素点的预测值；根据所述N个像素点的预测值和所述N个像素点的第二差值求和获得所述N个像素点的重建值；或者，
当N＝M时，根据所述M个像素点的预测值和所述N个像素点的第二差值求和获得所述N个像素点的重建值。
20.一种熵编码装置，其特征在于，包括：
获得模块，用于获得待编码的图像块的基本层信息，所述基本层信息对应于所述图像块中的M个像素点，M为正整数；获得与所述图像块的增强层信息对应的K个元素，所述增强层信息对应于所述图像块中的N个像素点，K和N均为正整数，N≥M；将所述基本层信息输入神经网络以获得K组概率值，所述K组概率值和所述K个元素对应，任意一组概率值用于表示对应的元素的多个候选取值的概率；
熵编码模块，用于根据所述K组概率值对所述K个元素进行熵编码。
21.根据权利要求20所述的装置，其特征在于，所述基本层信息包括所述M个像素点的重建值；或者，所述基本层信息包括所述M个像素点的预测值和/或残差值；或者，所述基本层信息包括所述M个像素点的变换值。
22.根据权利要求20或21所述的装置，其特征在于，所述获得模块，具体用于对所述N个像素点的原始值进行特征提取以获得K个特征值；相应的，所述K个元素是指所述K个特征值。
23.根据权利要求20或21所述的装置，其特征在于，所述获得模块，具体用于对所述N个像素点的原始值进行混合编码以获得所述N个像素点的编码值；对所述N个像素点的编码值进行混合解码以获得所述N个像素点的重建值；根据所述N个像素点的原始值和所述N个像素点的重建值求差获得所述N个像素点的第一差值；对所述N个像素点的第一差值进行特征提取以获得K个差值特征值；相应的，所述K个元素是指所述K个差值特征值。
24.根据权利要求20或21所述的装置，其特征在于，所述获得模块，具体用于获得所述N个像素点的预测值；根据所述N个像素点的原始值和所述N个像素点的预测值求差获得所述N个像素点的第二差值；对所述N个像素点的第二差值进行变换以获得所述N个像素点的变换值；对所述N个像素点的变换值进行特征提取以获得K个变换值特征值；相应的，所述K个元素是指所述K个变换值特征值。
25.根据权利要求20或21所述的装置，其特征在于，所述获得模块，具体用于获得所述N个像素点的预测值；根据所述N个像素点的原始值和所述N个像素点的预测值求差获得所述N个像素点的第二差值；对所述N个像素点的第二差值进行变换以获得所述N个像素点的变换值；对所述N个像素点的变换值进行量化以获得所述N个像素点的量化变换值；从所述N个像素点的量化变换值中提取最后一个非零值的坐标，第一个值以及所述N个像素点的量化变换值的第二个值到所述最后一个非零值之间的所有值；相应的，所述K个元素包括所述最后一个非零值的坐标，所述第一个值以及所述所有值。
26.根据权利要求24或25所述的装置，其特征在于，所述获得模块，具体用于对所述M个像素点的原始值进行混合编码以获得所述M个像素点的编码值；对所述M个像素点的编码值进行混合解码以获得所述M个像素点的重建值；根据所述M个像素点的重建值获得所述N个像素点的预测值。
27.根据权利要求26所述的装置，其特征在于，所述获得模块，具体用于当N＝M时，根据所述M个像素点的重建值获得所述N个像素点的预测值；或者，当N＞M时，对所述M个像素点的重建值进行插值以获得N个像素点的重建值，根据所述N个像素点的重建值获得所述N个像素点的预测值。
28.根据权利要求22-24中任一项所述的装置，其特征在于，当第一元素的多个候选取值的概率满足高斯分布时，所述第一元素对应的一组概率值包括所述第一元素的多个候选取值的概率所满足的高斯分布的方差和均值，所述第一元素是所述K个元素中的任意一个。
29.根据权利要求20-28中任一项所述的装置，其特征在于，所述神经网络包括卷积层；所述卷积层的卷积核的深度为24、32、48、64、192或者384；所述卷积层中的卷积核的尺寸为1×1、3×3、5×5或者7×7。
30.根据权利要求29所述的装置，其特征在于，所述神经网络包括卷积神经网络CNN、深度神经网络DNN或者循环神经网络RNN。
31.根据权利要求29或30所述的装置，其特征在于，还包括：
训练模块，用于获得训练数据集合，其中所述训练数据集合包括多个图像块各自的M个像素点的原始值，以及所述多个图像块各自的N个像素点分别对应的K组概率值；或者，所述训练数据集合包括多个图像块各自的M个像素点的量化变换值，以及所述多个图像块各自的N个像素点分别对应的K组概率值；根据所述训练数据集合训练以获得所述神经网络。
32.一种熵解码装置，其特征在于，包括：
获得模块，用于获得码流；
熵解码模块，用于解析所述码流以获得待解码的图像块的基本层信息和编码数据，所述基本层信息对应于所述图像块中的M个像素点，所述编码数据对应于增强层信息，所述增强层信息和所述图像块中的N个像素点对应，M和N均为正整数，N≥M；将所述基本层信息输入神经网络以获得K组概率值，所述K组概率值K个元素对应，任意一组概率值用于表示对应的元素的多个候选取值的概率，K为正整数；根据所述K组概率值对所述编码数据进行熵解码以获得所述K个元素；根据所述K个元素获得所述N个像素点的重建值，N为正整数。
33.根据权利要求32所述的装置，其特征在于，当所述K个元素是指K个特征值时，所述熵解码模块，具体用于对所述K个特征值进行反特征提取以获得所述N个像素点的重建值。
34.根据权利要求32所述的装置，其特征在于，当所述K个元素是指K个差值特征值时，所述熵解码模块，具体用于对所述K个差值特征值进行反特征提取以获得所述N个像素点的第一差值；解析所述码流以获得所述图像块的基本层信息对应的M个像素点的重建值，N≥M；根据所述M个像素点的重建值和所述N个像素点的第一差值获得所述N个像素点的重建值。
35.根据权利要求32所述的装置，其特征在于，当所述K个元素是指K个变换值特征值时，所述熵解码模块，具体用于对所述K个变换值特征值进行反特征提取以获得所述N个像素点的变换值；对所述N个像素点的变换值进行反变换以获得所述N个像素点的第二差值；解析所述码流以获得所述图像块的基本层信息对应的M个像素点的重建值，N≥M；根据所述M个像素点的重建值获得所述M个像素点的预测值；根据所述M个像素点的预测值和所述N个像素点的第二差值获得所述N个像素点的重建值。
36.根据权利要求32所述的装置，其特征在于，当所述K个元素包括所述N个像素点的变换值中最后一个非零值的坐标，所述N个像素点的变换值的第一个值以及所述N个像素点的量化变换值的第二个值到所述最后一个非零值之间的所有值时，所述熵解码模块，具体用于根据所述最后一个非零值的坐标，所述第一个值以及所述所有值进行反量化以获得所述N个像素点的变换值；对所述N个像素点的变换值进行反变换以获得所述N个像素点的第二差值；解析所述码流以获得所述图像块的基本层信息对应的M个像素点的重建值，N≥M；根据所述M个像素点的重建值获得所述M个像素点的预测值；根据所述M个像素点的预测值和所述N个像素点的第二差值获得所述N个像素点的重建值。
37.根据权利要求36所述的装置，其特征在于，所述熵解码模块，具体用于当N＞M时，对所述M个像素点的重建值进行插值以获得N个像素点的重建值；根据所述N个像素点的重建值和所述N个像素点的第一差值求和获得所述N个像素点的重建值；或者，当N＝M时，根据所述M个像素点的重建值和所述N个像素点的第一差值求和获得所述N个像素点的重建值。
38.根据权利要求35或36所述的装置，其特征在于，所述熵解码模块，具体用于当N＞M时，对所述M个像素点的预测值进行插值以获得N个像素点的预测值；根据所述N个像素点的预测值和所述N个像素点的第二差值求和获得所述N个像素点的重建值；或者，当N＝M时，根据所述M个像素点的预测值和所述N个像素点的第二差值求和获得所述N个像素点的重建值。
39.一种编码器，其特征在于，包括处理电路，用于执行根据权利要求1-12中任一项所述的方法。
40.一种解码器，其特征在于，包括处理电路，用于执行根据权利要求13-19中任一项所述的方法。
41.一种计算机程序产品，其特征在于，包括程序代码，当其在计算机或处理器上执行时，用于执行根据权利要求任一项所述的方法。
42.一种编码器，其特征在于，包括：
一个或多个处理器；
非瞬时性计算机可读存储介质，耦合到所述处理器并存储由所述处理器执行的程序，其中所述程序在由所述处理器执行时，使得所述编码器执行根据权利要求1-12中任一项所述的方法。
43.一种解码器，其特征在于，包括：
一个或多个处理器；
非瞬时性计算机可读存储介质，耦合到所述处理器并存储由所述处理器执行的程序，其中所述程序在由所述处理器执行时，使得所述解码器执行根据权利要求13-19中任一项所述的方法。
44.一种非瞬时性计算机可读存储介质，其特征在于，包括程序代码，当其由计算机设备执行时，用于执行根据权利要求1-19中任一项所述的方法。
CN202011066451.7A 2020-09-30 2020-09-30 熵编/解码方法及装置 Active CN114339262B (zh)

Priority Applications (5)

Application Number Priority Date Filing Date Title
CN202011066451.7A CN114339262B (zh) 2020-09-30 2020-09-30 熵编/解码方法及装置
JP2023519760A JP2023543477A (ja) 2020-09-30 2021-09-26 エントロピー符号化／復号方法および装置
PCT/CN2021/120639 WO2022068716A1 (zh) 2020-09-30 2021-09-26 熵编/解码方法及装置
EP21874376.3A EP4207766A4 (en) 2020-09-30 2021-09-26 ENTROPY CODING/DECODING METHOD AND APPARATUS
US18/191,990 US20230239516A1 (en) 2020-09-30 2023-03-29 Entropy encoding/decoding method and apparatus

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011066451.7A CN114339262B (zh) 2020-09-30 2020-09-30 熵编/解码方法及装置

Publications (2)

Publication Number Publication Date
CN114339262A true CN114339262A (zh) 2022-04-12
CN114339262B CN114339262B (zh) 2023-02-14

Family

ID=80951204

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011066451.7A Active CN114339262B (zh) 2020-09-30 2020-09-30 熵编/解码方法及装置

Country Status (5)

Country Link
US (1) US20230239516A1 (zh)
EP (1) EP4207766A4 (zh)
JP (1) JP2023543477A (zh)
CN (1) CN114339262B (zh)
WO (1) WO2022068716A1 (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2024007843A1 (zh) * 2022-07-08 2024-01-11 华为技术有限公司 一种编解码方法、装置及计算机设备
WO2024012474A1 (zh) * 2022-07-14 2024-01-18 杭州海康威视数字技术股份有限公司 一种基于神经网络的图像解码、编码方法、装置及其设备

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116939218A (zh) * 2022-04-08 2023-10-24 华为技术有限公司 区域增强层的编解码方法和装置
CN115643404A (zh) * 2022-11-16 2023-01-24 江西锦路科技开发有限公司 一种基于混合深度学习的图像处理方法、装置和系统
CN115880762B (zh) * 2023-02-21 2023-07-21 中国传媒大学 面向人机混合视觉的可伸缩人脸图像编码方法、系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20170094279A1 (en) * 2015-09-29 2017-03-30 Dolby Laboratories Licensing Corporation Feature Based Bitrate Allocation in Non-Backward Compatible Multi-Layer Codec Via Machine Learning
WO2019197715A1 (en) * 2018-04-09 2019-10-17 Nokia Technologies Oy An apparatus, a method and a computer program for running a neural network
CN110545426A (zh) * 2019-08-29 2019-12-06 西安电子科技大学 基于编码损伤修复cnn的空域可分级视频编码方法
EP3633990A1 (en) * 2018-10-02 2020-04-08 Nokia Technologies Oy An apparatus, a method and a computer program for running a neural network

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101154999B1 (ko) * 2005-07-08 2012-07-09 엘지전자 주식회사 영상 신호의 코딩정보를 압축/해제하기 위해 모델링하는 방법
CN103716629B (zh) * 2012-09-29 2017-02-22 华为技术有限公司 用于图像处理的方法、装置、编码器和解码器
EP3562162A1 (en) * 2018-04-27 2019-10-30 InterDigital VC Holdings, Inc. Method and apparatus for video encoding and decoding based on neural network implementation of cabac
CN111491168A (zh) * 2019-01-29 2020-08-04 华为软件技术有限公司 视频编解码方法、解码器、编码器和相关设备
US10652581B1 (en) * 2019-02-27 2020-05-12 Google Llc Entropy coding in image and video compression using machine learning
CN110602494A (zh) * 2019-08-01 2019-12-20 杭州皮克皮克科技有限公司 基于深度学习的图像编码、解码系统及编码、解码方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20170094279A1 (en) * 2015-09-29 2017-03-30 Dolby Laboratories Licensing Corporation Feature Based Bitrate Allocation in Non-Backward Compatible Multi-Layer Codec Via Machine Learning
WO2019197715A1 (en) * 2018-04-09 2019-10-17 Nokia Technologies Oy An apparatus, a method and a computer program for running a neural network
EP3633990A1 (en) * 2018-10-02 2020-04-08 Nokia Technologies Oy An apparatus, a method and a computer program for running a neural network
CN110545426A (zh) * 2019-08-29 2019-12-06 西安电子科技大学 基于编码损伤修复cnn的空域可分级视频编码方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
CHUANMIN JIA 等: "《Layered Image Compression Using Scalable Auto-Encoder》", 《2019 IEEE CONFERENCE ON MULTIMEDIA INFORMATION PROCESSING AND RETRIEVAL (MIPR)》 *
SHAOHUI ZHANG 等: "《Manifold Sparse Auto-Encoder for Machine Fault Diagnosis》", 《 IEEE SENSORS JOURNAL》 *
李晓峰等: "H.264 SVC面向MPEG-2基本层扩展研究", 《电视技术》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2024007843A1 (zh) * 2022-07-08 2024-01-11 华为技术有限公司 一种编解码方法、装置及计算机设备
WO2024012474A1 (zh) * 2022-07-14 2024-01-18 杭州海康威视数字技术股份有限公司 一种基于神经网络的图像解码、编码方法、装置及其设备

Also Published As

Publication number Publication date
EP4207766A1 (en) 2023-07-05
WO2022068716A1 (zh) 2022-04-07
CN114339262B (zh) 2023-02-14
EP4207766A4 (en) 2024-03-06
US20230239516A1 (en) 2023-07-27
JP2023543477A (ja) 2023-10-16

Similar Documents

Publication Publication Date Title
CN114339262B (zh) 熵编/解码方法及装置
WO2020181997A1 (en) An encoder, a decoder and corresponding methods for inter prediction
CN112889286B (zh) 位置相关预测组合的模式相关和大小相关块级限制的方法和装置
AU2020259542A1 (en) An encoder, a decoder and corresponding methods harmonizing matrix-based intra prediction and secondary transform core selection
WO2022063265A1 (zh) 帧间预测方法及装置
CN113196748B (zh) 帧内预测方法及相关装置
CN114125446A (zh) 图像编码方法、解码方法和装置
WO2022111233A1 (zh) 帧内预测模式的译码方法和装置
CN115349257B (zh) 基于dct的内插滤波器的使用
US20230388490A1 (en) Encoding method, decoding method, and device
US20230239500A1 (en) Intra Prediction Method and Apparatus
WO2023020320A1 (zh) 熵编解码方法和装置
WO2023011420A1 (zh) 编解码方法和装置
CN116137659A (zh) 帧间编码的块划分方法和装置
CN114915783A (zh) 编码方法和装置
WO2021045657A9 (en) Motion vector range derivation for enhanced interpolation filter
RU2786022C1 (ru) Устройство и способ для ограничений уровня блока в зависимости от режима и размера
CN117440153A (zh) 包含文字的图像编解码方法和装置
CN116647683A (zh) 量化处理方法和装置
CN116800985A (zh) 编解码方法和装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant