CN115706810A - 视频帧调整方法、装置、电子设备和存储介质 - Google Patents

视频帧调整方法、装置、电子设备和存储介质 Download PDF

Info

Publication number
CN115706810A
CN115706810A CN202110939314.8A CN202110939314A CN115706810A CN 115706810 A CN115706810 A CN 115706810A CN 202110939314 A CN202110939314 A CN 202110939314A CN 115706810 A CN115706810 A CN 115706810A
Authority
CN
China
Prior art keywords
video frame
frame
optical flow
video
pixel point
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
CN202110939314.8A
Other languages
English (en)
Inventor
龚立雪
张瑞
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.)
Beijing Zitiao Network Technology Co Ltd
Original Assignee
Beijing Zitiao Network Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing Zitiao Network Technology Co Ltd filed Critical Beijing Zitiao Network Technology Co Ltd
Priority to CN202110939314.8A priority Critical patent/CN115706810A/zh
Priority to PCT/CN2022/112783 priority patent/WO2023020492A1/zh
Publication of CN115706810A publication Critical patent/CN115706810A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04NPICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/102Methods 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
    • H04N19/132Sampling, masking or truncation of coding units, e.g. adaptive resampling, frame skipping, frame interpolation or high-frequency transform coefficient masking
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04NPICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/20Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
    • H04N21/23Processing of content or additional data; Elementary server operations; Server middleware
    • H04N21/234Processing of video elementary streams, e.g. splicing of video streams or manipulating encoded video stream scene graphs
    • H04N21/2343Processing of video elementary streams, e.g. splicing of video streams or manipulating encoded video stream scene graphs involving reformatting operations of video signals for distribution or compliance with end-user requests or end-user device requirements
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04NPICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/20Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
    • H04N21/25Management operations performed by the server for facilitating the content distribution or administrating data related to end-users or client devices, e.g. end-user or client device authentication, learning user preferences for recommending movies
    • H04N21/266Channel or content management, e.g. generation and management of keys and entitlement messages in a conditional access system, merging a VOD unicast channel into a multicast channel
    • H04N21/2662Controlling the complexity of the video stream, e.g. by scaling the resolution or bitrate of the video stream based on the client capabilities
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04NPICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/43Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
    • H04N21/44Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream or rendering scenes according to encoded video stream scene graphs
    • H04N21/4402Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream or rendering scenes according to encoded video stream scene graphs involving reformatting operations of video signals for household redistribution, storage or real-time display

Landscapes

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

Abstract

本公开实施例公开了一种视频帧调整方法、装置、电子设备和存储介质,该方法包括:基于初始视频中的第一视频帧和第二视频帧,通过量化神经网络,确定第一视频帧到第二视频帧的第一光流以及第二视频帧到第一视频帧的第二光流;基于第一光流以及第二光流确定中间帧到第一视频帧的第三光流以及中间帧到第二视频帧的第四光流,根据所述两个初始视频帧、第三光流和第四光流确定中间帧;将中间帧插入至所述两个初始视频帧之间。通过本公开实施例提供的视频帧调整方法,实现了在相邻两个视频帧之间进行插帧的目的,同时可保证插帧后的高帧率视频的播放效果。

Description

视频帧调整方法、装置、电子设备和存储介质
技术领域
本公开涉及视频技术领域,尤其涉及一种视频帧调整方法、装置、电子设备和存储介质。
背景技术
视频是互联网信息传播的重要媒介,视频的色彩、帧率、清晰度等因素都会影响视频的播放效果,进而影响用户的观看体验。其中,视频的帧率越高,则视频播放越流畅,用户的观看体验越好。
随着视频播放设备硬件的发展,越来越多的视频播放设备支持高帧率视频的播放。
但是,通过目前的视频帧率提升技术实现的视频帧率提升效果并不理想。
发明内容
为了解决上述技术问题或者至少部分地解决上述技术问题,本公开实施例提供了一种视频帧调整方法、装置、电子设备和存储介质,实现了在相邻两个视频帧之间进行插帧的目的,同时可保证插帧后的高帧率视频的播放效果。
第一方面,本公开实施例提供了一种视频帧调整方法,该方法包括:
基于初始视频中的第一视频帧和第二视频帧,通过量化神经网络,确定所述第一视频帧到所述第二视频帧的第一光流以及所述第二视频帧到所述第一视频帧的第二光流,所述第一视频帧与所述第二视频帧为两个相邻的初始视频帧;
基于所述第一光流以及所述第二光流确定中间帧到所述第一视频帧的第三光流,以及所述中间帧到所述第二视频帧的第四光流,其中,所述中间帧为待插入到所述第一视频帧与所述第二视频帧之间的估计视频帧;
根据所述第一视频帧、所述第二视频帧、所述第三光流和所述第四光流确定所述中间帧;
在所述初始视频中,将所述中间帧插入至所述第一视频帧与所述第二视频帧之间,得到目标视频。
第二方面,本公开实施例还提供了一种视频帧调整装置,该装置包括:
第一确定模块,用于基于初始视频中的第一视频帧和第二视频帧,通过量化神经网络,确定所述第一视频帧到所述第二视频帧的第一光流以及所述第二视频帧到所述第一视频帧的第二光流,所述第一视频帧与所述第二视频帧为两个相邻的初始视频帧;
第二确定模块,用于基于所述第一光流以及所述第二光流确定中间帧到所述第一视频帧的第三光流,以及所述中间帧到所述第二视频帧的第四光流,其中,所述中间帧为待插入到所述第一视频帧与所述第二视频帧之间的估计视频帧;
第三确定模块,用于根据所述第一视频帧、所述第二视频帧、所述第三光流和所述第四光流确定所述中间帧;
插帧模块,用于在所述初始视频中,将所述中间帧插入至所述第一视频帧与所述第二视频帧之间,得到目标视频。
第三方面,本公开实施例还提供了一种电子设备,所述电子设备包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如上所述的视频帧调整方法。
第四方面,本公开实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如上所述的视频帧调整方法。
第五方面,本公开实施例还提供了一种计算机程序产品,该计算机程序产品包括计算机程序或指令,该计算机程序或指令被处理器执行时实现如上所述的视频帧调整方法。
本公开实施例提供的技术方案至少具有如下优点:
本公开实施例提供的视频帧调整方法,基于初始视频中的第一视频帧和第二视频帧,通过量化神经网络,确定所述第一视频帧到所述第二视频帧的第一光流以及所述第二视频帧到所述第一视频帧的第二光流,所述第一视频帧与所述第二视频帧为两个相邻的初始视频帧,使得本公开实施例提供的视频帧调整方法可以运行在移动设备上,且针对大运动场景的视频更具备鲁棒性。基于所述第一光流以及所述第二光流确定中间帧到所述第一视频帧的第三光流,以及所述中间帧到所述第二视频帧的第四光流,其中,所述中间帧为待插入到所述第一视频帧与所述第二视频帧之间的估计视频帧;根据所述第一视频帧、所述第二视频帧、所述第三光流和所述第四光流确定所述中间帧;在所述初始视频中,将所述中间帧插入至所述第一视频帧与所述第二视频帧之间。实现了在相邻两个视频帧之间进行插帧的目的,同时可保证插帧后的高帧率视频的播放效果。
附图说明
结合附图并参考以下具体实施方式,本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中,相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的,原件和元素不一定按照比例绘制。
图1为本公开实施例中的一种视频帧调整方法的流程图;
图2为本公开实施例中的一种量化神经网络的结构示意图;
图3为本公开实施例中的一种视频帧之间的时序关系示意图;
图4为本公开实施例中的一种第二像素点P从第一视频帧I_0到中间帧I_t的第二光流向量
Figure BDA0003214343120000041
以及第一像素点Q从中间帧I_t到第一视频帧I_0的第一光流向量
Figure BDA0003214343120000042
的示意图;
图5为本公开实施例中的一种通过预设神经网络预测遮挡图像的流程示意图
图6为本公开实施例中的一种视频帧调整装置的结构示意图;
图7为本公开实施例中的一种电子设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例,然而应当理解的是,本公开可以通过各种形式来实现,而且不应该被解释为限于这里阐述的实施例,相反提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是,本公开的附图及实施例仅用于示例性作用,并非用于限制本公开的保护范围。
应当理解,本公开的方法实施方式中记载的各个步骤可以按照不同的顺序执行,和/或并行执行。此外,方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本公开的范围在此方面不受限制。
本文使用的术语“包括”及其变形是开放性包括,即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”;术语“另一实施例”表示“至少一个另外的实施例”;术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。
需要注意,本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分,并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意,本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的,本领域技术人员应当理解,除非在上下文另有明确指出,否则应该理解为“一个或多个”。
本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的,而并不是用于对这些消息或信息的范围进行限制。
图1为本公开实施例中的一种视频帧调整方法的流程图,该方法可以由视频帧调整装置执行,该装置可以采用软件和/或硬件的方式实现,该装置可配置于电子设备中,例如终端,该终端具体包括但不限于智能手机、掌上电脑、平板电脑、带显示屏的可穿戴设备、台式机、笔记本电脑、一体机、带显示屏的智能家居设备等。
如图1所示,该方法具体可以包括如下步骤:
步骤110、基于初始视频中的第一视频帧和第二视频帧,通过量化神经网络,确定所述第一视频帧到所述第二视频帧的第一光流以及所述第二视频帧到所述第一视频帧的第二光流,所述第一视频帧与所述第二视频帧为两个相邻的初始视频帧。
其中,初始视频指通过拍摄设备拍摄或者录制获得的原始视频,换言之,初始视频指未经插帧处理的视频。初始视频中的视频帧为初始视频帧。两个相邻视频帧指时间相邻的两个视频帧,例如在0时刻采集到第一视频帧,在1时刻采集到第二视频帧,则第一视频帧和第二视频帧为时间上相邻的两个视频帧。
量化神经网络可以指采用INT8(8位的定点整数)存储模型参数的神经网络。量化的含义通常指将神经网络的浮点算法转换为定点,以使神经网络可以在移动设备(典型的例如智能手机)上实现实时运行,兼顾移动设备在内存方面的性能局限性。通过采用量化神经网络对相邻两个视频帧中目标对象的运动进行估计,使得本实施例提供的视频帧调整方法针对复杂运动场景能够产生更好的插帧效果,保证插帧后获得的目标视频的播放效果;且通过设计高效的量化神经网络,使得视频帧调整方法能够实时运行在移动端,具体的是能够在支持量化计算的移动端处理器上实时运行,通过移动端处理器进行实时的视频帧调整,达到提高视频帧率的目的,使得视频的播放更加流畅。
在一种具体实施方式中,参考如图2所示的一种量化神经网络的结构示意图,所述量化神经网络包括级联的编码器模块210、解码器模块220和两个光流预测分支230,进一步的可以将两个光流预测分支230具体划分为第一预测分支231和第二预测分支232。其中,编码器模块210包括下采样单元211和编码单元212,下采样单元211用于分别对输入的两个视频帧200(即第一视频帧和第二视频帧)进行下采样,并将两个视频帧200分别对应的下采样图像(即第一视频帧的下采样图像以及第二视频帧的下采样图像)输入至编码单元212,以使编码单元212基于下采样图像进行特征提取,获得特征图像的编码,并将该编码发送至解码器模块220。解码器模块220包括解码单元和上采样单元,解码单元用于对所述特征图像的编码进行解码,并将解码后的特征图像输入至上采样单元,以使上采样单元对所述解码后的特征图像进行上采样,并将获得的上采样图像分别输入至两个光流预测分支230,以使两个光流预测分支230分别基于所述上采样图像预测第一视频帧到第二视频帧的第一光流,以及第二视频帧到第一视频帧的第二光流。例如通过第一预测分支231预测从第一视频帧到第二视频帧的第一光流flow01,通过第二预测分支232预测从第二视频帧到第一视频帧的第二光流flow10。即编码器模块210的输入是第一视频帧I_0和第二视频帧I_1,在通过编码单元212进行特征提取之前,通过下采样单元211对第一视频帧I_0和第二视频帧I_1进行下采样,以提高神经网络的感受野,这样设置的好处是能够使神经网络对大运动场景下的运动估计更具备鲁棒性,同时在小分辨率图像上进行神经网络推理也能够提升推理速度。为了使神经网络较高效地运行在移动设备上,在训练神经网络时以量化的方式进行,例如最终可以获得一个INT8类型的量化神经网络,其实质是采用INT8类型(8位的定点整数)存储模型参数。
步骤120、基于所述第一光流以及所述第二光流确定中间帧到所述第一视频帧的第三光流,以及所述中间帧到所述第二视频帧的第四光流,其中,所述中间帧为待插入到所述第一视频帧与所述第二视频帧之间的估计视频帧。
在一种实施方式中,基于所述第一光流以及所述第二光流确定中间帧到所述第一视频帧的第三光流,以及所述中间帧到所述第二视频帧的第四光流,包括:基于所述第一光流、所述第二光流以及目标对象在所述第一视频帧与所述第二视频帧的运动轨迹确定所述第一视频帧到所述中间帧的第五光流,以及所述第二视频帧到所述中间帧的第六光流;通过光流逆转技术,基于所述第五光流确定所述第三光流,基于所述第六光流确定所述第四光流。。具体的,假设第一视频帧为I_0和第二视频帧为I_1,中间帧为0-1时刻之间某个时刻t的视频帧,标记为I_t,对应的可以参考如图3所示的一种视频帧之间的时序关系示意图。将第一视频帧I_0到中间帧I_t的光流标记为第五光流,第二视频帧I_1到中间帧I_t的光流标记为第六光流。以目标对象在第一视频帧I_0和第二视频帧I_1之间的运动是线性运动为例,第一视频帧I_0到中间帧I_t的第五光流flow0t=flow01*t,第二视频帧I_1到中间帧I_t的光流第六光流flow1t=flow10*(1-t)。其中,flow01表示从第一视频帧I_0到第二视频帧I_1的第一光流,flow10表示从第二视频帧I_1到第一视频帧I_0的第二光流,具体可以通过上述步骤110中的量化神经网络获得。在得到第一视频帧I_0到中间帧I_t的第五光流flow0t,以及第二视频帧I_1到中间帧I_t的光流第六光流flow1t之后,通过光流逆转技术可以确定中间帧I_t到第一视频帧I_0的第三光流flowt0和中间帧I_t到第二视频帧I_1的第四光流flowt1。生成中间帧I_t到第一视频帧I_0的第三光流和中间帧I_t到第二视频帧I_1的第四光流的目的是为了保证中间帧I_t上的每个像素,在第一视频帧I_0和第二视频帧I_1上都有与之对应的像素,以确保视频画面在中间帧I_t、第一视频帧I_0和第二视频帧I_1的连贯性,从而获得较好的插帧效果。
在一种实施方式中,所述通过光流逆转技术,基于所述第五光流和所述第六光流确定所述第三光流,包括:
若中间帧上的第一像素点与第一视频帧上唯一的第二像素点具有预设关系,则第一像素点从中间帧到第一视频帧的第一光流向量为第二像素点从第一视频帧到中间帧的第二光流向量的逆向量,其中,第五光流包括第二光流向量。中间帧上的第一像素点与第一视频帧上唯一的第二像素点具有预设关系的实质是:第一视频帧上唯一的一个第二像素点从0时刻运动到t时刻时,到达中间帧上的第一像素点的位置。若中间帧上的第一像素点与第一视频帧上至少两个第二像素点具有预设关系,则第一光流向量为所述至少两个第二像素点分别从第一视频帧到中间帧的第二光流向量的逆向量的加权平均值。中间帧上的第一像素点与第一视频帧上至少两个第二像素点具有预设关系的实质是:第一视频帧上的至少两个第二像素点从0时刻运动到t时刻时,到达中间帧上的第一像素点的位置。若第一视频帧上不存在与中间帧上的第一像素点具有预设关系的第二像素点,则第一光流向量为0。第一视频帧上不存在与中间帧上的第一像素点具有预设关系的第二像素点的实质是:第一视频帧上的所有像素点从0时刻运动到t时刻时,都没有到达中间帧上的第一像素点的位置。中间帧上的每个第一像素点从中间帧到第一视频帧的第一光流向量组成第三光流。
具体的,对于第一视频帧I_0上的第二像素点P,通过其从第一视频帧I_0到中间帧I_t的第二光流向量
Figure BDA0003214343120000081
可计算出第二像素点P从第一视频帧I_0到中间帧I_t时对应的第一像素点Q的位置,因此第一像素点Q从时刻t到时刻0的光流向量即为
Figure BDA0003214343120000082
即第一像素点Q从中间帧I_t到第一视频帧I_0的第一光流向量为第二像素点P从第一视频帧I_0到中间帧I_t的第二光流向量
Figure BDA0003214343120000083
的逆向量,具体为:
Figure BDA0003214343120000084
其中,
Figure BDA0003214343120000085
表示所述第一光流向量,
Figure BDA0003214343120000086
表示所述第二光流向量。对应的,可以参考如图4所示的一种第二像素点P从第一视频帧I_0到中间帧I_t的第二光流向量
Figure BDA0003214343120000087
以及第一像素点Q从中间帧I_t到第一视频帧I_0的第一光流向量
Figure BDA0003214343120000088
的示意图。
在一种实施方式中,可能会出现第一视频帧I_0上的多个第二像素点P的光流向量抵达中间帧I_t上同一个第一像素点Q,即所述第一像素点Q与至少两个所述第二像素点P对应,或者,换言之,中间帧I_t上的第一像素点Q与第一视频帧I_0上至少两个第二像素点P具有预设关系,此时在计算第一像素点Q从中间帧I_t到第一视频帧I_0的第一光流向量时,需要对抵达第一像素点Q的多个第二像素点P从第一视频帧I_0到中间帧I_t的第二光流向量
Figure BDA0003214343120000091
的逆向量进行加权平均,具体为:
Figure BDA0003214343120000092
其中,N表示以第一像素点Q为终点的第二光流向量
Figure BDA0003214343120000093
的个数。
在一种实施方式中,可能出现没有光流向量指向第一像素点Q的情况,即不存在与所述第一像素点Q对应的所述第二像素点P,或者,换言之,第一视频帧I_0上不存在与中间帧I_t上的第一像素点Q具有预设关系的第二像素点P,则所述第一光流向量为0,同时将第一像素点Q标记为光流空洞点。中间帧上每个所述第一像素点Q从中间帧到第一视频帧的所述第一光流向量组成所述第三光流。
确定第四光流的方式,与上述确定第三光流的方式类似,具体的,基于所述第六光流确定所述第四光流,包括:
若所述中间帧上的第三像素点与所述第二视频帧上唯一的第四像素点具有预设关系,则所述第三像素点从所述中间帧到所述第二视频帧的第三光流向量为所述第四像素点从所述第二视频帧到所述中间帧的第四光流向量的逆向量,其中,所述第六光流包括所述第四光流向量。
若所述中间帧上的第三像素点与所述第二视频帧上至少两个第四像素点具有预设关系,则所述第三光流向量为所述至少两个第四像素点分别从所述第二视频帧到所述中间帧的第四光流向量的逆向量的加权平均值。若所述第二视频帧上不存在与所述中间帧上的第三像素点具有预设关系第四像素点,则所述第三光流向量0。所述中间帧上的每个所述第三像素点从所述中间帧到所述第二视频帧的第三光流向量组成所述第四光流。
步骤130、根据所述第一视频帧、所述第二视频帧、所述第三光流和所述第四光流确定所述中间帧。
在一种实施方式中,所述根据所述第一视频帧、所述第二视频帧、所述第三光流和所述第四光流确定所述中间帧,包括:
对所述第一视频帧进行图像仿射变换,获得所述第一视频帧在所述中间帧的获取时刻时的第一变换帧;对所述第二视频帧进行图像放射变换,获得所述第二视频帧在所述中间帧的获取时刻时的第二变换帧;通过预设神经网络基于所述第一视频帧对应的下采样图像、所述第二视频帧对应的下采样图像、所述第一变换帧、所述第二变换帧、所述第三光流和所述第四光流预测所述第一变换帧和所述第二变换帧的融合权重;基于所述融合权重对所述第一变换帧和所述第二变换帧中的像素进行融合,获得所述中间帧,所述融合权重表示所述中间帧上的一像素来自所述第一视频帧或者来自所述第二视频帧的概率。
其中,对第一视频帧I_0进行图像仿射变换,即对第一视频帧I_0进行warp变换,获得第一视频帧在中间帧的获取时刻t时的第一变换帧I_t0。对第二视频帧I_1进行图像仿射变换,即对第二视频帧I_1进行warp变换,获得第二视频帧在中间帧的获取时刻t时的第二变换帧I_t1。图像仿射变换的目的是估算出第一视频帧I_0在时刻t时的视频帧,第二视频帧I_1在时刻t的视频帧,以为获得中间帧I_t提供数据源。
为了得到中间帧I_t,需要推理出中间帧中的某个像素点是来自第一视频帧I_0,还是来自第二视频帧I_1,针对该问题,在一种实施方式中,设计了一种预设神经网络来预测一个遮挡图像mask(即第一变换帧和第二变换帧的融合权重),遮挡图像mask中像素值的取值范围是0-1,其表示该像素点是来自第一视频帧I_0的概率,像素值越接近1,表示该像素点来自第一视频帧I_0的概率越大。所述预设神经网络的输入包括:第一变换帧I_t0、第二变换帧I_t1、第三光流flowt0、第四光流flowt1、第一视频帧I_0对应的下采样图像以及第二视频帧I_1对应的下采样图像,预设神经网络的输出为遮挡图像mask。概括性地,通过预设神经网络基于第一视频帧对应的下采样图像、第二视频帧对应的下采样图像、第一变换帧、第二变换帧、第三光流和第四光流预测第一变换帧和第二变换帧的融合权重;基于所述融合权重对第一变换帧和第二变换帧中的像素进行融合,获得中间帧,融合权重表示中间帧上的一像素来自第一视频帧或者来自第二视频帧的概率。对应的,可以参考如图5所示的一种通过预设神经网络预测遮挡图像的流程示意图,将第一视频帧对应的下采样图像、第二视频帧对应的下采样图像、第一变换帧、第二变换帧、第三光流和第四光流输入至mask网络,获得遮挡图像,即第一变换帧和第二变换帧的融合权重。
进一步的,基于融合权重(即遮挡图像中的像素值)对第一变换帧和第二变换帧中的像素进行融合,获得中间帧,包括:基于如下算式获得中间帧:
Figure BDA0003214343120000111
其中,It表示中间帧,mask表示遮挡图像,
Figure BDA0003214343120000112
表示第一变换帧,
Figure BDA0003214343120000113
表示第二变换帧,符号“○”表示逐像素乘法。
步骤140、在所述初始视频中,将所述中间帧插入至所述第一视频帧与所述第二视频帧之间,得到目标视频。
本实施例提供的视频帧调整方法,通过采用量化神经网络对相邻两个视频帧中目标对象的运动进行估计,使得该视频帧调整方法针对复杂运动场景能够产生更好的插帧效果,保证视频最终的播放效果;且通过设计高效的量化神经网络,使得该视频帧调整方法能够实时运行在移动端;通过mask网络预测遮挡图像,使得视频帧调整方法更具备鲁棒性,融合出的中间帧更加自然、逼真。
可以理解的是,并不是所有相邻的两个视频帧之间都适合插入中间帧,例如镜头切换或者剧烈运动场景下通常无法估算出合理的中间帧,因此为了保证插帧后目标视频的播放效果,在上述实施方案的基础上,在一种实施方式中,在将中间帧插入至第一视频帧与第二视频帧之间之前,还包括:基于目标对象在第一视频帧与第二视频帧中的运动特征和/或颜色特征,确定在第一视频帧和第二视频帧之间是否适合插入中间帧,若确定在第一视频帧和第二视频帧之间适合插入中间帧,则继续执行将中间帧插入至第一视频帧与第二视频帧之间的步骤。若经过判定确定在第一视频帧和第二视频帧之间不适合插入中间帧,则不执行上述将中间帧插入至第一视频帧与第二视频帧之间的操作,以避免在获得的目标视频中引入伪影,从而实现在提升视频播放流畅度的同时保证插帧后视频画面质量的目的。具体的,可通过运动特征分析,例如从颜色信息、运动信息中统计相关指标来判定是否适合在第一视频帧和第二视频帧之间插入中间帧。
进一步的,在一种实施方式中,目标对象在第一视频帧与第二视频帧中的运动特征包括下述至少一种:第三光流与第四光流的一致性;中间帧中光流空洞点的数量,若第一视频帧和第二视频帧中不存在与中间帧中特定像素点具有预设关系的像素点,则特定像素点被确定为光流空洞点,即第一视频帧I_0上不存在与中间帧I_t上的第一像素点Q具有预设关系的第二像素点P时,将第一像素点Q标记为光流空洞点。
目标对象在第一视频帧与第二视频帧中的颜色特征包括:第一变换帧与第二变换帧之间的灰度差,其中,第一变换帧通过对第一视频帧进行图像仿射变换获得,第二变换帧通过对第二视频帧进行图像放射变换获得。
具体的,若目标对象在第一视频帧与第二视频帧中的运动特征为第三光流与第四光流的一致性,基于第三光流与第四光流的一致性,判定在第一视频帧和第二视频帧之间是否适合插入中间帧,包括:
针对线性运动,根据中间帧上的目标像素点从中间帧运动到第一视频帧的前向运动向量,以及目标像素点从中间帧运动到第二视频帧的后向运动向量确定线性运动偏移距离;统计线性运动偏移距离大于第一设定阈值的像素数占比;若像素数占比小于或等于第二设定阈值,则确定在第一视频帧和第二视频帧之间适合插入中间帧;若像素数占比大于第二设定阈值,则确定在第一视频帧和第二视频帧之间不适合插入中间帧。通过计算中间帧I_t到第一视频帧I_0的第三光流flowt0和中间帧I_t到第二视频帧I_1的第四光流flowt1的一致性来判定光流是否可靠,在线性运动的假设下,中间帧上的某个像素点(即目标像素点)从中间帧运动到第一视频帧的前向运动向量,与目标像素点从中间帧运动到所述第二视频帧的后向运动向量应该是大小相等、方向相反。对于中间帧上的某一像素点Q,可通过其前向运动向量ft0与后向运动向量ft1计算出线性运动偏移距离:distance=‖ft0+ft12,统计所有线性运动偏移距离大于第一设定阈值的像素点占比,即线性运动偏移距离大于第一设定阈值的像素点数量占中间帧上像素点总数的比例。如果所述占比大于第二设定阈值,则判定在所述第一视频帧和所述第二视频帧之间不适合插入中间帧。
在一种实施方式中,若第一变换帧与第二变换帧之间的灰度差大于第三设定阈值,则判定在第一视频帧和第二视频帧之间不适合插入中间帧。
在一种实施方式中,在上述步骤120的一种实施方式中已经对中间帧中的光流空洞点进行了标记,这些光流空洞点往往发生在遮挡区域,统计光流空洞点的数量,数量越大,说明遮挡区域的面积越大,如果遮挡区域面积过大,插帧容易产生错误,因此为了保证视频画面质量,该种情况下则不在第一视频帧与第二视频帧之间进行插帧,以避免在插帧后获得的目标视频中引入伪影,在提升视频播放流畅度的同时保证了插帧后的视频画面质量。
图6为本公开实施例中的一种视频帧调整装置的结构示意图。本公开实施例所提供的视频帧调整装置可以配置于终端中。如图6所示,该视频帧调整装置具体包括:第一确定模块610、第二确定模块620、第三确定模块630和插帧模块640。
其中,第一确定模块610,用于基于初始视频中的第一视频帧和第二视频帧,通过量化神经网络,确定所述第一视频帧到所述第二视频帧的第一光流以及所述第二视频帧到所述第一视频帧的第二光流,所述第一视频帧与所述第二视频帧为两个相邻的初始视频帧;第二确定模块620,用于基于所述第一光流以及所述第二光流确定中间帧到所述第一视频帧的第三光流,以及所述中间帧到所述第二视频帧的第四光流,其中,所述中间帧为待插入到所述第一视频帧与所述第二视频帧之间的估计视频帧;第三确定模块630,用于根据所述第一视频帧、所述第二视频帧、所述第三光流和所述第四光流确定所述中间帧;插帧模块640,用于在所述初始视频中,将所述中间帧插入至所述第一视频帧与所述第二视频帧之间,得到目标视频。
可选的,第二确定模块620包括:
第一确定单元,用于基于所述第一光流、所述第二光流以及目标对象在所述第一视频帧与所述第二视频帧的运动轨迹确定所述第一视频帧到所述中间帧的第五光流,以及所述第二视频帧到所述中间帧的第六光流;第二确定单元,用于通过光流逆转技术,基于所述第五光流确定所述第三光流,基于所述第六光流确定所述第四光流。
可选的,所述第二确定单元包括:
第一确定子单元,用于若所述中间帧上的第一像素点与所述第一视频帧上唯一的第二像素点具有预设关系,则所述第一像素点从所述中间帧到所述第一视频帧的第一光流向量为所述第二像素点从所述第一视频帧到所述中间帧的第二光流向量的逆向量,其中,所述第五光流包括所述第二光流向量;若所述中间帧上的第一像素点与所述第一视频帧上至少两个第二像素点具有预设关系,则所述第一光流向量为所述至少两个第二像素点分别从所述第一视频帧到所述中间帧的第二光流向量的逆向量的加权平均值;若所述第一视频帧上不存在与所述中间帧上的第一像素点具有预设关系的第二像素点,则所述第一光流向量为0;所述中间帧上的每个所述第一像素点从所述中间帧到所述第一视频帧的第一光流向量组成所述第三光流。
可选的,所述第二确定单元还包括:
第二确定子单元,用于若所述中间帧上的第三像素点与所述第二视频帧上唯一的第四像素点具有预设关系,则所述第三像素点从所述中间帧到所述第二视频帧的第三光流向量为所述第四像素点从所述第二视频帧到所述中间帧的第四光流向量的逆向量,其中,所述第六光流包括所述第四光流向量;若所述中间帧上的第三像素点与所述第二视频帧上至少两个第四像素点具有预设关系,则所述第三光流向量为所述至少两个第四像素点分别从所述第二视频帧到所述中间帧的第四光流向量的逆向量的加权平均值;若所述第二视频帧上不存在与所述中间帧上的第三像素点具有预设关系第四像素点,则所述第三光流向量0;所述中间帧上的每个所述第三像素点从所述中间帧到所述第二视频帧的第三光流向量组成所述第四光流。
可选的,所述量化神经网络包括级联的编码器模块、解码器模块和两个光流预测分支;其中,所述编码器模块包括下采样单元和编码单元,所述下采样单元用于分别对输入的所述第一视频帧以及所述第二视频帧进行下采样,并将所述第一视频帧的下采样图像以及所述第二视频帧的下采样图像输入至所述编码单元,以使所述编码单元基于所述下采样图像进行特征提取,获得特征图像的编码;所述解码器模块包括解码单元和上采样单元,所述解码单元用于对所述特征图像的编码进行解码,并将解码后的特征图像输入至所述上采样单元,以使所述上采样单元对所述解码后的特征图像进行上采样,并将获得的上采样图像分别输入至所述两个光流预测分支,以使所述两个光流预测分支中的一个光流预测分支基于所述上采样图像预测所述第一光流,使所述两个光流预测分支中的另一个光流预测分支基于所述上采样图像预测所述第二光流。
可选的,第三确定模块630包括:
变换单元,用于对所述第一视频帧进行图像仿射变换,获得所述第一视频帧在所述中间帧的获取时刻时的第一变换帧;对所述第二视频帧进行图像放射变换,获得所述第二视频帧在所述中间帧的获取时刻时的第二变换帧。预测单元,用于通过预设神经网络基于所述第一视频帧对应的下采样图像、所述第二视频帧对应的下采样图像、所述第一变换帧、所述第二变换帧、所述第三光流和所述第四光流预测所述第一变换帧和所述第二变换帧的融合权重。融合单元,用于基于所述融合权重对所述第一变换帧和所述第二变换帧中的像素进行融合,获得所述中间帧,所述融合权重表示所述中间帧上的一像素来自所述第一视频帧或者来自所述第二视频帧的概率。
可选的,所述视频帧调整装置还包括:
判定模块,用于在将所述中间帧插入至所述第一视频帧与所述第二视频帧之间之前,基于目标对象在所述第一视频帧与所述第二视频帧中的运动特征和/或颜色特征,确定在所述第一视频帧和所述第二视频帧之间是否适合插入所述中间帧,若确定在所述第一视频帧和所述第二视频帧之间适合插入所述中间帧,则继续执行所述将所述中间帧插入至所述第一视频帧与所述第二视频帧之间的步骤。可选的,所述目标对象在所述第一视频帧与所述第二视频帧中的运动特征包括下述至少一种:所述第三光流与所述第四光流的一致性;所述中间帧中光流空洞点的数量,若所述第一视频帧和所述第二视频帧中不存在与中间帧中特定像素点具有预设关系的像素点,则所述特定像素点被确定为光流空洞点;所述目标对象在所述第一视频帧与所述第二视频帧中的颜色特征包括:第一变换帧与第二变换帧之间的灰度差,其中,所述第一变换帧通过对所述第一视频帧进行图像仿射变换获得,所述第二变换帧通过对所述第二视频帧进行图像放射变换获得。
可选的,若所述目标对象在所述第一视频帧与所述第二视频帧中的运动特征为所述第三光流与所述第四光流的一致性,所述判定模块具体用于:针对线性运动,根据所述中间帧上的目标像素点从所述中间帧运动到所述第一视频帧的前向运动向量,以及所述目标像素点从所述中间帧运动到所述第二视频帧的后向运动向量确定线性运动偏移距离;统计所述线性运动偏移距离大于第一设定阈值的像素数占比;若所述像素数占比小于或等于第二设定阈值,则确定在所述第一对应的视频图像。
本公开实施例提供的视频帧调整装置,通过采用量化神经网络对相邻两个视频帧中目标对象的运动进行估计,使得该视频帧调整方法针对复杂运动场景能够产生更好的插帧效果,保证视频最终的播放效果;且通过设计高效的量化神经网络,使得该视频帧调整方法能够实时运行在移动端;通过mask网络预测遮挡图像,使得视频帧调整方法更具备鲁棒性,融合出的中间帧更加自然、逼真。通过加入自适应插帧判定算法,在插帧之前先判定相邻的两个视频帧之间是否适合插入中间帧,如果不适合,则不在该两个视频帧之间插入中间帧,以避免引入运动伪影,实现了在提升视频帧率的同时保证视频画面质量的目的。
本公开实施例提供的视频帧调整装置,可执行本公开方法实施例所提供的视频帧调整方法中的步骤,具备执行步骤和有益效果此处不再赘述。
图7为本公开实施例中的一种电子设备的结构示意图。下面具体参考图7,其示出了适于用来实现本公开实施例中的电子设备500的结构示意图。本公开实施例中的电子设备500可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)、可穿戴电子设备等等的移动终端以及诸如数字TV、台式计算机、智能家居设备等等的固定终端。图7示出的电子设备仅仅是一个示例,不应对本公开实施例的功能和使用范围带来任何限制。
如图7所示,电子设备500可以包括处理装置(例如中央处理器、图形处理器等)501,其可以根据存储在只读存储器(ROM)502中的程序或者从存储装置508加载到随机访问存储器(RAM)503中的程序而执行各种适当的动作和处理以实现如本公开所述实施例的方法。在RAM 503中,还存储有电子设备500操作所需的各种程序和数据。处理装置501、ROM502以及RAM 503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。
通常,以下装置可以连接至I/O接口505:包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置506;包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置507;包括例如磁带、硬盘等的存储装置508;以及通信装置509。通信装置509可以允许电子设备500与其他设备进行无线或有线通信以交换数据。虽然图7示出了具有各种装置的电子设备500,但是应理解的是,并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。
特别地,根据本公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括承载在非暂态计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码,从而实现如上所述的视频帧调整方法。在这样的实施例中,该计算机程序可以通过通信装置509从网络上被下载和安装,或者从存储装置508被安装,或者从ROM 502被安装。在该计算机程序被处理装置501执行时,执行本公开实施例的方法中限定的上述功能。
需要说明的是,本公开上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中,计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:电线、光缆、RF(射频)等等,或者上述的任意合适的组合。
在一些实施方式中,客户端、服务器可以利用诸如HTTP(HyperText TransferProtocol,超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信,并且可以与任意形式或介质的数字数据通信(例如,通信网络)互连。通信网络的示例包括局域网(“LAN”),广域网(“WAN”),网际网(例如,互联网)以及端对端网络(例如,ad hoc端对端网络),以及任何当前已知或未来研发的网络。
上述计算机可读介质可以是上述电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。
上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该电子设备执行时,使得该电子设备:
基于初始视频中的第一视频帧和第二视频帧,通过量化神经网络,确定所述第一视频帧到所述第二视频帧的第一光流以及所述第二视频帧到所述第一视频帧的第二光流,所述第一视频帧与所述第二视频帧为两个相邻的初始视频帧;基于所述第一光流以及所述第二光流确定中间帧到所述第一视频帧的第三光流,以及所述中间帧到所述第二视频帧的第四光流,其中,所述中间帧为待插入到所述第一视频帧与所述第二视频帧之间的估计视频帧;根据所述第一视频帧、所述第二视频帧、所述第三光流和所述第四光流确定所述中间帧;在所述初始视频中,将所述中间帧插入至所述第一视频帧与所述第二视频帧之间,得到目标视频。
可选的,当上述一个或者多个程序被该电子设备执行时,该电子设备还可以执行上述实施例所述的其他步骤。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码,上述程序设计语言包括但不限于面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图,图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开实施例中所涉及到的单元可以通过软件的方式实现,也可以通过硬件的方式来实现。其中,单元的名称在某种情况下并不构成对该单元本身的限定。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如,非限制性地,可以使用的示范类型的硬件逻辑部件包括:现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
根据本公开的一个或多个实施例,本公开提供了一种视频帧调整方法,该方法包括:基于初始视频中的第一视频帧和第二视频帧,通过量化神经网络,确定所述第一视频帧到所述第二视频帧的第一光流以及所述第二视频帧到所述第一视频帧的第二光流,所述第一视频帧与所述第二视频帧为两个相邻的初始视频帧;基于所述第一光流以及所述第二光流确定中间帧到所述第一视频帧的第三光流,以及所述中间帧到所述第二视频帧的第四光流,其中,所述中间帧为待插入到所述第一视频帧与所述第二视频帧之间的估计视频帧;根据所述第一视频帧、所述第二视频帧、所述第三光流和所述第四光流确定所述中间帧;在所述初始视频中,将所述中间帧插入至所述第一视频帧与所述第二视频帧之间,得到目标视频。
根据本公开的一个或多个实施例,在本公开提供的视频帧调整方法中,可选的,所述基于所述第一光流以及所述第二光流确定中间帧到所述第一视频帧的第三光流,以及所述中间帧到所述第二视频帧的第四光流,包括:基于所述第一光流、所述第二光流以及目标对象在所述第一视频帧与所述第二视频帧的运动轨迹确定所述第一视频帧到所述中间帧的第五光流,以及所述第二视频帧到所述中间帧的第六光流;通过光流逆转技术,基于所述第五光流确定所述第三光流,基于所述第六光流确定所述第四光流。
根据本公开的一个或多个实施例,本公开提供的视频帧调整方法中,可选的,所述通过光流逆转技术,基于所述第五光流确定所述第三光流,包括:若所述中间帧上的第一像素点与所述第一视频帧上唯一的第二像素点具有预设关系,则所述第一像素点从所述中间帧到所述第一视频帧的第一光流向量为所述第二像素点从所述第一视频帧到所述中间帧的第二光流向量的逆向量,其中,所述第五光流包括所述第二光流向量;若所述中间帧上的第一像素点与所述第一视频帧上至少两个第二像素点具有预设关系,则所述第一光流向量为所述至少两个第二像素点分别从所述第一视频帧到所述中间帧的第二光流向量的逆向量的加权平均值;若所述第一视频帧上不存在与所述中间帧上的第一像素点具有预设关系的第二像素点,则所述第一光流向量为0;所述中间帧上的每个所述第一像素点从所述中间帧到所述第一视频帧的第一光流向量组成所述第三光流。
根据本公开的一个或多个实施例,本公开提供的视频帧调整方法中,可选的,所述基于所述第六光流确定所述第四光流,包括:若所述中间帧上的第三像素点与所述第二视频帧上唯一的第四像素点具有预设关系,则所述第三像素点从所述中间帧到所述第二视频帧的第三光流向量为所述第四像素点从所述第二视频帧到所述中间帧的第四光流向量的逆向量,其中,所述第六光流包括所述第四光流向量;若所述中间帧上的第三像素点与所述第二视频帧上至少两个第四像素点具有预设关系,则所述第三光流向量为所述至少两个第四像素点分别从所述第二视频帧到所述中间帧的第四光流向量的逆向量的加权平均值;若所述第二视频帧上不存在与所述中间帧上的第三像素点具有预设关系第四像素点,则所述第三光流向量0;所述中间帧上的每个所述第三像素点从所述中间帧到所述第二视频帧的第三光流向量组成所述第四光流。
根据本公开的一个或多个实施例,本公开提供的视频帧调整方法中,可选的,所述量化神经网络包括级联的编码器模块、解码器模块和两个光流预测分支;其中,所述编码器模块包括下采样单元和编码单元,所述下采样单元用于分别对输入的所述第一视频帧以及所述第二视频帧进行下采样,并将所述第一视频帧的下采样图像以及所述第二视频帧的下采样图像输入至所述编码单元,以使所述编码单元基于所述下采样图像进行特征提取,获得特征图像的编码;所述解码器模块包括解码单元和上采样单元,所述解码单元用于对所述特征图像的编码进行解码,并将解码后的特征图像输入至所述上采样单元,以使所述上采样单元对所述解码后的特征图像进行上采样,并将获得的上采样图像分别输入至所述两个光流预测分支,以使所述两个光流预测分支中的一个光流预测分支基于所述上采样图像预测所述第一光流,使所述两个光流预测分支中的另一个光流预测分支基于所述上采样图像预测所述第二光流。
根据本公开的一个或多个实施例,本公开提供的视频帧调整方法中,可选的,所述根据所述第一视频帧、所述第二视频帧、所述第三光流和所述第四光流确定所述中间帧,包括:对所述第一视频帧进行图像仿射变换,获得所述第一视频帧在所述中间帧的获取时刻时的第一变换帧;对所述第二视频帧进行图像放射变换,获得所述第二视频帧在所述中间帧的获取时刻时的第二变换帧;通过预设神经网络基于所述第一视频帧对应的下采样图像、所述第二视频帧对应的下采样图像、所述第一变换帧、所述第二变换帧、所述第三光流和所述第四光流预测所述第一变换帧和所述第二变换帧的融合权重;基于所述融合权重对所述第一变换帧和所述第二变换帧中的像素进行融合,获得所述中间帧,所述融合权重表示所述中间帧上的一像素来自所述第一视频帧或者来自所述第二视频帧的概率。
根据本公开的一个或多个实施例,本公开提供的视频帧调整方法中,可选的,所述将所述中间帧插入至所述第一视频帧与所述第二视频帧之间之前,还包括:基于目标对象在所述第一视频帧与所述第二视频帧中的运动特征和/或颜色特征,确定在所述第一视频帧和所述第二视频帧之间是否适合插入所述中间帧,若确定在所述第一视频帧和所述第二视频帧之间适合插入所述中间帧,则继续执行所述将所述中间帧插入至所述第一视频帧与所述第二视频帧之间的步骤。
根据本公开的一个或多个实施例,本公开提供的视频帧调整方法中,可选的,所述目标对象在所述第一视频帧与所述第二视频帧中的运动特征包括下述至少一种:所述第三光流与所述第四光流的一致性;所述中间帧中光流空洞点的数量,若所述第一视频帧和所述第二视频帧中不存在与中间帧中特定像素点具有预设关系的像素点,则所述特定像素点被确定为光流空洞点;所述目标对象在所述第一视频帧与所述第二视频帧中的颜色特征包括:第一变换帧与第二变换帧之间的灰度差,其中,所述第一变换帧通过对所述第一视频帧进行图像仿射变换获得,所述第二变换帧通过对所述第二视频帧进行图像放射变换获得。
根据本公开的一个或多个实施例,本公开提供的视频帧调整方法中,可选的,若所述目标对象在所述第一视频帧与所述第二视频帧中的运动特征为所述第三光流与所述第四光流的一致性,基于所述第三光流与所述第四光流的一致性,判定在所述第一视频帧和所述第二视频帧之间是否适合插入所述中间帧,包括:针对线性运动,根据所述中间帧上的目标像素点从所述中间帧运动到所述第一视频帧的前向运动向量,以及所述目标像素点从所述中间帧运动到所述第二视频帧的后向运动向量确定线性运动偏移距离;统计所述线性运动偏移距离大于第一设定阈值的像素数占比;若所述像素数占比小于或等于第二设定阈值,则确定在所述第一对应的视频图像。
根据本公开的一个或多个实施例,本公开提供了一种视频帧调整装置,该装置包括:第一确定模块,用于基于初始视频中的第一视频帧和第二视频帧,通过量化神经网络,确定所述第一视频帧到所述第二视频帧的第一光流以及所述第二视频帧到所述第一视频帧的第二光流,所述第一视频帧与所述第二视频帧为两个相邻的初始视频帧;第二确定模块,用于基于所述第一光流以及所述第二光流确定中间帧到所述第一视频帧的第三光流,以及所述中间帧到所述第二视频帧的第四光流,其中,所述中间帧为待插入到所述两个初始视频帧之间的估计视频帧;第三确定模块,用于根据所述第一视频帧、所述第二视频帧、所述第三光流和所述第四光流确定所述中间帧;插帧模块,用于在所述初始视频中,将所述视频图像插入至所述两个初始视频帧之间,得到目标视频。
根据本公开的一个或多个实施例,本公开提供的视频帧调整装置中,可选的,第二确定模块包括:第一确定单元,用于基于所述第一光流、所述第二光流以及目标对象在所述第一视频帧与所述第二视频帧的运动轨迹确定所述第一视频帧到所述中间帧的第五光流,以及所述第二视频帧到所述中间帧的第六光流;第二确定单元,用于通过光流逆转技术,基于所述第五光流确定所述第三光流,基于所述第六光流确定所述第四光流。
根据本公开的一个或多个实施例,本公开提供的视频帧调整装置中,可选的,所述第二确定单元包括:第一确定子单元,用于若所述中间帧上的第一像素点与所述第一视频帧上唯一的第二像素点具有预设关系,则所述第一像素点从所述中间帧到所述第一视频帧的第一光流向量为所述第二像素点从所述第一视频帧到所述中间帧的第二光流向量的逆向量,其中,所述第五光流包括所述第二光流向量;若所述中间帧上的第一像素点与所述第一视频帧上至少两个第二像素点具有预设关系,则所述第一光流向量为所述至少两个第二像素点分别从所述第一视频帧到所述中间帧的第二光流向量的逆向量的加权平均值;若所述第一视频帧上不存在与所述中间帧上的第一像素点具有预设关系的第二像素点,则所述第一光流向量为0;所述中间帧上的每个所述第一像素点从所述中间帧到所述第一视频帧的第一光流向量组成所述第三光流。
根据本公开的一个或多个实施例,本公开提供的视频帧调整装置中,可选的,所述第二确定单元还包括:第二确定子单元,用于若所述中间帧上的第三像素点与所述第二视频帧上唯一的第四像素点具有预设关系,则所述第三像素点从所述中间帧到所述第二视频帧的第三光流向量为所述第四像素点从所述第二视频帧到所述中间帧的第四光流向量的逆向量,其中,所述第六光流包括所述第四光流向量;若所述中间帧上的第三像素点与所述第二视频帧上至少两个第四像素点具有预设关系,则所述第三光流向量为所述至少两个第四像素点分别从所述第二视频帧到所述中间帧的第四光流向量的逆向量的加权平均值;若所述第二视频帧上不存在与所述中间帧上的第三像素点具有预设关系第四像素点,则所述第三光流向量0;所述中间帧上的每个所述第三像素点从所述中间帧到所述第二视频帧的第三光流向量组成所述第四光流。
根据本公开的一个或多个实施例,本公开提供的视频帧调整装置中,可选的,所述量化神经网络包括级联的编码器模块、解码器模块和两个光流预测分支;其中,所述编码器模块包括下采样单元和编码单元,所述下采样单元用于分别对输入的所述第一视频帧以及所述第二视频帧进行下采样,并将所述第一视频帧的下采样图像以及所述第二视频帧的下采样图像输入至所述编码单元,以使所述编码单元基于所述下采样图像进行特征提取,获得特征图像的编码;所述解码器模块包括解码单元和上采样单元,所述解码单元用于对所述特征图像的编码进行解码,并将解码后的特征图像输入至所述上采样单元,以使所述上采样单元对所述解码后的特征图像进行上采样,并将获得的上采样图像分别输入至所述两个光流预测分支,以使所述两个光流预测分支中的一个光流预测分支基于所述上采样图像预测所述第一光流,使所述两个光流预测分支中的另一个光流预测分支基于所述上采样图像预测所述第二光流。
根据本公开的一个或多个实施例,本公开提供的视频帧调整装置中,可选的,第三确定模块包括:变换单元,用于对所述第一视频帧进行图像仿射变换,获得所述第一视频帧在所述中间帧的获取时刻时的第一变换帧;对所述第二视频帧进行图像放射变换,获得所述第二视频帧在所述中间帧的获取时刻时的第二变换帧。预测单元,用于通过预设神经网络基于所述第一视频帧对应的下采样图像、所述第二视频帧对应的下采样图像、所述第一变换帧、所述第二变换帧、所述第三光流和所述第四光流预测所述第一变换帧和所述第二变换帧的融合权重。融合单元,用于基于所述融合权重对所述第一变换帧和所述第二变换帧中的像素进行融合,获得所述中间帧,所述融合权重表示所述中间帧上的一像素来自所述第一视频帧或者来自所述第二视频帧的概率。
根据本公开的一个或多个实施例,本公开提供的视频帧调整装置中,可选的,还包括:判定模块,用于在将所述中间帧插入至所述第一视频帧与所述第二视频帧之间之前,基于目标对象在所述第一视频帧与所述第二视频帧中的运动特征和/或颜色特征,确定在所述第一视频帧和所述第二视频帧之间是否适合插入所述中间帧,若确定在所述第一视频帧和所述第二视频帧之间适合插入所述中间帧,则继续执行所述将所述中间帧插入至所述第一视频帧与所述第二视频帧之间的步骤。
根据本公开的一个或多个实施例,本公开提供的视频帧调整装置中,可选的,所述目标对象在所述第一视频帧与所述第二视频帧中的运动特征包括下述至少一种:所述第三光流与所述第四光流的一致性;所述中间帧中光流空洞点的数量,若所述第一视频帧和所述第二视频帧中不存在与中间帧中特定像素点具有预设关系的像素点,则所述特定像素点被确定为光流空洞点;所述目标对象在所述第一视频帧与所述第二视频帧中的颜色特征包括:第一变换帧与第二变换帧之间的灰度差,其中,所述第一变换帧通过对所述第一视频帧进行图像仿射变换获得,所述第二变换帧通过对所述第二视频帧进行图像放射变换获得。
根据本公开的一个或多个实施例,本公开提供的视频帧调整装置中,可选的,若所述目标对象在所述第一视频帧与所述第二视频帧中的运动特征为所述第三光流与所述第四光流的一致性,所述判定模块具体用于:针对线性运动,根据所述中间帧上的目标像素点从所述中间帧运动到所述第一视频帧的前向运动向量,以及所述目标像素点从所述中间帧运动到所述第二视频帧的后向运动向量确定线性运动偏移距离;统计所述线性运动偏移距离大于第一设定阈值的像素数占比;若所述像素数占比小于或等于第二设定阈值,则确定在所述第一对应的视频图像。
根据本公开的一个或多个实施例,本公开提供了一种电子设备,包括:一个或多个处理器;存储器,用于存储一个或多个程序;当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如本公开任一实施例提供的所述的视频帧调整方法。
根据本公开的一个或多个实施例,本公开提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如本公开实施例提供的任一所述的视频帧调整方法。
本公开实施例还提供了一种计算机程序产品,该计算机程序产品包括计算机程序或指令,该计算机程序或指令被处理器执行时实现如上所述的视频帧调整方法。
以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本公开中所涉及的公开范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述公开构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
此外,虽然采用特定次序描绘了各操作,但是这不应当理解为要求这些操作以所示出的特定次序或以顺序次序执行来执行。在一定环境下,多任务和并行处理可能是有利的。同样地,虽然在上面论述中包含了若干具体实现细节,但是这些不应当被解释为对本公开的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实施例中。相反地,在单个实施例的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实施例中。
尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题,但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反,上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。

Claims (12)

1.一种视频帧调整方法,其特征在于,包括:
基于初始视频中的第一视频帧和第二视频帧,通过量化神经网络,确定所述第一视频帧到所述第二视频帧的第一光流以及所述第二视频帧到所述第一视频帧的第二光流,所述第一视频帧与所述第二视频帧为两个相邻的初始视频帧;
基于所述第一光流以及所述第二光流确定中间帧到所述第一视频帧的第三光流,以及所述中间帧到所述第二视频帧的第四光流,其中,所述中间帧为待插入到所述第一视频帧与所述第二视频帧之间的估计视频帧;
根据所述第一视频帧、所述第二视频帧、所述第三光流和所述第四光流确定所述中间帧;
在所述初始视频中,将所述中间帧插入至所述第一视频帧与所述第二视频帧之间,得到目标视频。
2.根据权利要求1所述的方法,其特征在于,所述基于所述第一光流以及所述第二光流确定中间帧到所述第一视频帧的第三光流,以及所述中间帧到所述第二视频帧的第四光流,包括:
基于所述第一光流、所述第二光流以及目标对象在所述第一视频帧与所述第二视频帧的运动轨迹确定所述第一视频帧到所述中间帧的第五光流,以及所述第二视频帧到所述中间帧的第六光流;
通过光流逆转技术,基于所述第五光流确定所述第三光流,基于所述第六光流确定所述第四光流。
3.根据权利要求2所述的方法,其特征在于,所述通过光流逆转技术,基于所述第五光流确定所述第三光流,包括:
若所述中间帧上的第一像素点与所述第一视频帧上唯一的第二像素点具有预设关系,则所述第一像素点从所述中间帧到所述第一视频帧的第一光流向量为所述第二像素点从所述第一视频帧到所述中间帧的第二光流向量的逆向量,其中,所述第五光流包括所述第二光流向量;
若所述中间帧上的第一像素点与所述第一视频帧上至少两个第二像素点具有预设关系,则所述第一光流向量为所述至少两个第二像素点分别从所述第一视频帧到所述中间帧的第二光流向量的逆向量的加权平均值;
若所述第一视频帧上不存在与所述中间帧上的第一像素点具有预设关系的第二像素点,则所述第一光流向量为0;
所述中间帧上的每个所述第一像素点从所述中间帧到所述第一视频帧的第一光流向量组成所述第三光流。
4.根据权利要求2所述的方法,其特征在于,所述基于所述第六光流确定所述第四光流,包括:
若所述中间帧上的第三像素点与所述第二视频帧上唯一的第四像素点具有预设关系,则所述第三像素点从所述中间帧到所述第二视频帧的第三光流向量为所述第四像素点从所述第二视频帧到所述中间帧的第四光流向量的逆向量,其中,所述第六光流包括所述第四光流向量;
若所述中间帧上的第三像素点与所述第二视频帧上至少两个第四像素点具有预设关系,则所述第三光流向量为所述至少两个第四像素点分别从所述第二视频帧到所述中间帧的第四光流向量的逆向量的加权平均值;
若所述第二视频帧上不存在与所述中间帧上的第三像素点具有预设关系第四像素点,则所述第三光流向量0;
所述中间帧上的每个所述第三像素点从所述中间帧到所述第二视频帧的第三光流向量组成所述第四光流。
5.根据权利要求1所述的方法,其特征在于,所述量化神经网络包括级联的编码器模块、解码器模块和两个光流预测分支;
其中,所述编码器模块包括下采样单元和编码单元,所述下采样单元用于分别对输入的所述第一视频帧以及所述第二视频帧进行下采样,并将所述第一视频帧的下采样图像以及所述第二视频帧的下采样图像输入至所述编码单元,以使所述编码单元基于所述下采样图像进行特征提取,获得特征图像的编码;
所述解码器模块包括解码单元和上采样单元,所述解码单元用于对所述特征图像的编码进行解码,并将解码后的特征图像输入至所述上采样单元,以使所述上采样单元对所述解码后的特征图像进行上采样,并将获得的上采样图像分别输入至所述两个光流预测分支,以使所述两个光流预测分支中的一个光流预测分支基于所述上采样图像预测所述第一光流,使所述两个光流预测分支中的另一个光流预测分支基于所述上采样图像预测所述第二光流。
6.根据权利要求1-5任一项所述的方法,其特征在于,所述根据所述第一视频帧、所述第二视频帧、所述第三光流和所述第四光流确定所述中间帧,包括:
对所述第一视频帧进行图像仿射变换,获得所述第一视频帧在所述中间帧的获取时刻时的第一变换帧;
对所述第二视频帧进行图像放射变换,获得所述第二视频帧在所述中间帧的获取时刻时的第二变换帧;
通过预设神经网络基于所述第一视频帧对应的下采样图像、所述第二视频帧对应的下采样图像、所述第一变换帧、所述第二变换帧、所述第三光流和所述第四光流预测所述第一变换帧和所述第二变换帧的融合权重;
基于所述融合权重对所述第一变换帧和所述第二变换帧中的像素进行融合,获得所述中间帧,所述融合权重表示所述中间帧上的一像素来自所述第一视频帧或者来自所述第二视频帧的概率。
7.根据权利要求1-5任一项所述的方法,其特征在于,所述将所述中间帧插入至所述第一视频帧与所述第二视频帧之间之前,还包括:
基于目标对象在所述第一视频帧与所述第二视频帧中的运动特征和/或颜色特征,确定在所述第一视频帧和所述第二视频帧之间是否适合插入所述中间帧,若确定在所述第一视频帧和所述第二视频帧之间适合插入所述中间帧,则继续执行所述将所述中间帧插入至所述第一视频帧与所述第二视频帧之间的步骤。
8.根据权利要求7所述的方法,其特征在于,所述目标对象在所述第一视频帧与所述第二视频帧中的运动特征包括下述至少一种:
所述第三光流与所述第四光流的一致性;
所述中间帧中光流空洞点的数量,其中,若所述第一视频帧和所述第二视频帧中不存在与中间帧中特定像素点具有预设关系的像素点,则所述特定像素点被确定为光流空洞点;
所述目标对象在所述第一视频帧与所述第二视频帧中的颜色特征包括:
第一变换帧与第二变换帧之间的灰度差,其中,所述第一变换帧通过对所述第一视频帧进行图像仿射变换获得,所述第二变换帧通过对所述第二视频帧进行图像放射变换获得。
9.根据权利要求7所述的方法,其特征在于,若所述目标对象在所述第一视频帧与所述第二视频帧中的运动特征为所述第三光流与所述第四光流的一致性,基于所述第三光流与所述第四光流的一致性,确定在所述第一视频帧和所述第二视频帧之间是否适合插入所述中间帧,包括:
针对线性运动,根据所述中间帧上的目标像素点从所述中间帧运动到所述第一视频帧的前向运动向量,以及所述目标像素点从所述中间帧运动到所述第二视频帧的后向运动向量确定线性运动偏移距离;
统计所述线性运动偏移距离大于第一设定阈值的像素数占比;
若所述像素数占比小于或等于第二设定阈值,则确定在所述第一视频帧和所述第二视频帧之间适合插入所述中间帧。
10.一种视频帧调整装置,其特征在于,包括:
第一确定模块,用于基于初始视频中的第一视频帧和第二视频帧,通过量化神经网络,确定所述第一视频帧到所述第二视频帧的第一光流以及所述第二视频帧到所述第一视频帧的第二光流,所述第一视频帧与所述第二视频帧为两个相邻的初始视频帧;
第二确定模块,用于基于所述第一光流以及所述第二光流确定中间帧到所述第一视频帧的第三光流,以及所述中间帧到所述第二视频帧的第四光流,其中,所述中间帧为待插入到所述第一视频帧与所述第二视频帧之间的估计视频帧;
第三确定模块,用于根据所述第一视频帧、所述第二视频帧、所述第三光流和所述第四光流确定所述中间帧;
插帧模块,用于在所述初始视频中,将所述中间帧插入至所述第一视频帧与所述第二视频帧之间,得到目标视频。
11.一种电子设备,其特征在于,所述电子设备包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-9中任一项所述的方法。
12.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1-9中任一项所述的方法。
CN202110939314.8A 2021-08-16 2021-08-16 视频帧调整方法、装置、电子设备和存储介质 Pending CN115706810A (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202110939314.8A CN115706810A (zh) 2021-08-16 2021-08-16 视频帧调整方法、装置、电子设备和存储介质
PCT/CN2022/112783 WO2023020492A1 (zh) 2021-08-16 2022-08-16 视频帧调整方法、装置、电子设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110939314.8A CN115706810A (zh) 2021-08-16 2021-08-16 视频帧调整方法、装置、电子设备和存储介质

Publications (1)

Publication Number Publication Date
CN115706810A true CN115706810A (zh) 2023-02-17

Family

ID=85180404

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110939314.8A Pending CN115706810A (zh) 2021-08-16 2021-08-16 视频帧调整方法、装置、电子设备和存储介质

Country Status (2)

Country Link
CN (1) CN115706810A (zh)
WO (1) WO2023020492A1 (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117082295A (zh) * 2023-09-21 2023-11-17 荣耀终端有限公司 图像流处理方法、设备及存储介质

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109151474B (zh) * 2018-08-23 2020-10-30 复旦大学 一种生成新视频帧的方法
KR102244187B1 (ko) * 2019-10-31 2021-04-26 한국과학기술원 예외적 움직임에 강인한 비디오 프레임 보간 방법 및 그 장치
CN112104830B (zh) * 2020-08-13 2022-09-27 北京迈格威科技有限公司 视频插帧方法、模型训练方法及对应装置
CN112712537B (zh) * 2020-12-21 2022-10-18 深圳大学 视频时空超分辨率实现方法及装置

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117082295A (zh) * 2023-09-21 2023-11-17 荣耀终端有限公司 图像流处理方法、设备及存储介质
CN117082295B (zh) * 2023-09-21 2024-03-08 荣耀终端有限公司 图像流处理方法、设备及存储介质

Also Published As

Publication number Publication date
WO2023020492A1 (zh) 2023-02-23

Similar Documents

Publication Publication Date Title
KR100809354B1 (ko) 복원된 프레임의 프레임율을 업컨버팅하는 장치 및 방법
US10506249B2 (en) Segmentation-based parameterized motion models
CN113473126B (zh) 视频流的处理方法、装置、电子设备及计算机可读介质
CN110827380B (zh) 图像的渲染方法、装置、电子设备及计算机可读介质
US11115678B2 (en) Diversified motion using multiple global motion models
CN110248189B (zh) 一种视频质量预测方法、装置、介质和电子设备
WO2023005140A1 (zh) 视频数据处理方法、装置、设备以及存储介质
CN115761090A (zh) 特效渲染方法、装置、设备、计算机可读存储介质及产品
CN112203085A (zh) 图像处理方法、装置、终端和存储介质
CN115767181A (zh) 直播视频流渲染方法、装置、设备、存储介质及产品
CN115706810A (zh) 视频帧调整方法、装置、电子设备和存储介质
CN113038176B (zh) 视频抽帧方法、装置和电子设备
CN112203086B (zh) 图像处理方法、装置、终端和存储介质
CN111402159B (zh) 图像处理方法、装置、电子设备及计算机可读介质
CN113747242B (zh) 图像处理方法、装置、电子设备及存储介质
CN115937290A (zh) 一种图像深度估计方法、装置、电子设备及存储介质
CN116016934A (zh) 视频编码方法、装置、电子设备和计算机可读介质
CN114066722A (zh) 用于获取图像的方法、装置和电子设备
CN114972021A (zh) 一种图像处理方法、装置、电子设备及存储介质
CN113891057A (zh) 视频的处理方法、装置、电子设备和存储介质
CN112492230A (zh) 视频处理方法、装置、可读介质及电子设备
CN113259677B (zh) 一种数据处理方法、设备以及计算机可读存储介质
EP3024236A1 (en) Method and device for transmission of a video
CN117119190A (zh) 视频处理方法、装置、电子设备和存储介质
CN116760991A (zh) 码流信息生成方法和装置

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