CN116405683A - 基于3d-hevc深度图模式预测的深度图编码方法、装置及可读介质 - Google Patents

基于3d-hevc深度图模式预测的深度图编码方法、装置及可读介质 Download PDF

Info

Publication number
CN116405683A
CN116405683A CN202310449794.9A CN202310449794A CN116405683A CN 116405683 A CN116405683 A CN 116405683A CN 202310449794 A CN202310449794 A CN 202310449794A CN 116405683 A CN116405683 A CN 116405683A
Authority
CN
China
Prior art keywords
encoded
depth map
dmm
size
mode
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202310449794.9A
Other languages
English (en)
Inventor
陈婧
周廷开
曾焕强
朱建清
施一帆
林琦
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.)
Huaqiao University
Original Assignee
Huaqiao University
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 Huaqiao University filed Critical Huaqiao University
Priority to CN202310449794.9A priority Critical patent/CN116405683A/zh
Publication of CN116405683A publication Critical patent/CN116405683A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/134—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or criterion affecting or controlling the adaptive coding
    • H04N19/146—Data rate or code amount at the encoder output
    • H04N19/147—Data rate or code amount at the encoder output according to rate distortion criteria
    • 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
    • G06N3/08—Learning methods
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/102—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or selection affected or controlled by the adaptive coding
    • H04N19/103—Selection of coding mode or of prediction mode
    • H04N19/11—Selection of coding mode or of prediction mode among a plurality of spatial predictive coding modes
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/134—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or criterion affecting or controlling the adaptive coding
    • H04N19/146—Data rate or code amount at the encoder output
    • H04N19/149—Data rate or code amount at the encoder output by estimating the code amount by means of a model, e.g. mathematical model or statistical model
    • 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

Landscapes

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

Abstract

本发明公开了一种基于3D‑HEVC深度图模式预测的深度图编码方法、装置及可读介质，通过构建基于卷积网络的DMM模式预测模型并进行训练，得到经训练的DMM模式预测模型；将待编码深度图序列划分得到第一级别尺寸下的若干个当前待编码块，将当前待编码块输入经训练的DMM模式预测模型，输出的网络预测值为当前待编码块的编码过程中是否需要将DMM模式加入对应尺寸的全率失真代价计算列表的标签值；采用3D‑HEVC编码器对当前待编码块进行编码，在编码过程中调用网络预测值，并确定当前待编码块在对应尺寸下的最佳模式；以判断是否需要将DMM模式加入对应尺寸的全率失真代价计算列表，可避免直接将DMM模式加入全率失真代价计算列表，导致对DMM模式冗余的率失真计算过程。

Description

基于3D-HEVC深度图模式预测的深度图编码方法、装置及可读 介质
技术领域
本发明涉及视频编码领域，具体涉及一种基于3D-HEVC深度图模式预测的深度图编码方法、装置及可读介质。
背景技术
3D视频为了呈现出深度效果，需要编码多个视点来模拟人眼的立体感知，但极大增加了编码复杂度，为了促进3D视频的传输和存储，基于高效视频编码HEVC(HighEfficiency Video Coding)的3D视频扩展标准3D-HEVC被提出，该标准针对新采用的MVD编码格式，提出了许多新的编码技术，能出色的完成立体视频的编码，但也带来了很大的计算量，如何在保证编码质量的前提下加速编码，是一个亟待解决的问题。
DMM(Depth Modeling Mode)是3D-HEVC中针对深度图编码新加入的一种模式，由于深度图记录的主要是物体的景深信息，这主要体现在深度图的边缘处，也即高频信息，HEVC编码会压缩掉高频信息以提高视频压缩率，这对于深度图来说是不可取的，否则会严重影响最终合成视点质量，因此提出的DMM模式能够保护深度图的边缘，并且为了保证编码质量而强制加入所有PU的全率失真计算列表，但实验统计显示，该模式最终为最佳模式的占比不足5％，但却要花费27.72％的深度图编码时间，造成了极大的计算冗余。
发明内容
针对上述提到的技术问题。本申请的实施例的目的在于提出了一种基于3D-HEVC深度图模式预测的深度图编码方法、装置及可读介质，可在编码过程中提前判断是否需要将DMM模式加入全率失真计算列表，来解决以上背景技术部分提到的技术问题。
第一方面，本发明提供了一种基于3D-HEVC深度图模式预测的深度图编码方法，其特征在于，包括以下步骤：
S1，获取训练数据，构建基于卷积网络的DMM模式预测模型，采用训练数据对DMM模式预测模型进行训练，得到经训练的DMM模式预测模型，经训练的DMM模式预测模型的输入为待编码块，输出为待编码块的编码过程中是否需要将DMM模式加入对应尺寸的全率失真代价计算列表的标签值；
S2，获取待编码深度图序列，将待编码深度图序列划分得到第一级别尺寸下的若干个当前待编码块，将当前待编码块输入经训练的DMM模式预测模型，输出的网络预测值为当前待编码块的编码过程中是否需要将DMM模式加入对应尺寸的全率失真代价计算列表的标签值；
S3，采用3D-HEVC编码器对当前待编码块进行编码，在编码过程中调用网络预测值，并确定当前待编码块在对应尺寸下的最佳模式；
S4，判断当前待编码块的尺寸是否大于第二级别尺寸，若是则调整当前待编码块的尺寸缩小一个级别，并重复步骤S3-S4，否则得到所有尺寸下的当前待编码块的最佳模式。
作为优选，DMM模式预测模型包括依次连接的第一卷积层、第一ReLU激活层、第二卷积层、第二ReLU激活层、第一池化层、第三卷积层、第三ReLU激活层、第二池化层、第四卷积层、第四ReLU激活层、第三池化层和全连接层，第一卷积层的卷积核大小为5×5、步长为1、填充为2，第二卷积层、第三卷积层和第四卷积层的卷积核大小为3×3、步长为1、填充为1，第一池化层、第二池化层和第三池化层的池化核大小为2×2、步长为1。
作为优选，步骤S1中获取训练数据，具体包括：
获取深度图序列，根据不同尺寸级别将深度图序列划分成若干个待编码块，将深度图序列输入3D-HEVC编码器中对每个待编码块进行编码，根据在编码过程中是否将DMM模式加入对应尺寸的全率失真代价计算列表确定标签值，将待编码块及其对应的标签值作为训练数据。
作为优选，在待编码块的编码过程中需要将DMM模式加入对应尺寸的全率失真代价计算列表对应的标签值为1，在待编码块的编码过程中不需要将DMM模式加入对应尺寸的全率失真代价计算列表对应的标签值为0。
作为优选，第一级别尺寸为64×64，默认不将DMM模式加入第一级别尺寸的全率失真代价计算列表，第二级别尺寸为4×4，第一级别尺寸和第二级别尺寸之间还包括依次级别减小的32×32、16×16和8×8三个尺寸。
作为优选，DMM模式预测模型的训练过程中采用交叉熵损失函数，假设训练数据的总数为M，m表示训练数据中的单个样本，单个样本的损失值Lm的计算公式如下：
Figure BDA0004197131990000021
其中，
Figure BDA0004197131990000031
为该样本在32×32、16×16、8×8以及4×4尺寸下的真实标签值，/>
Figure BDA0004197131990000032
表示该样本经过DMM模式预测模型后得到的网络预测值，C(ym,y′m)表示真实标签值与网络预测值之间的交叉熵，li、lj、lk、lh分别对应32×32、16×16、8×8以及4×4尺寸中的其中一个待编码块，其中，I、J、K、H分别为32×32、16×16、8×8以及4×4尺寸中的待编码块的数量范围，i表示在I范围内的第i个元素，j表示在J范围内的第j个元素，k表示在K范围内的第k个元素，h表示在H范围内的第h个元素，所有M个样本的总损失值用L表示，计算公式如下：
Figure BDA0004197131990000033
网络预测值与DMM模式选择的关系如下：
Figure BDA0004197131990000034
Figure BDA0004197131990000035
Figure BDA0004197131990000036
Figure BDA0004197131990000037
作为优选，步骤S3具体包括：
采用3D-HEVC编码器对当前待编码块进行编码，在编码过程中调用当前待编码块的编码过程中是否需要将DMM模式加入对应尺寸的全率失真代价计算列表的标签值；
判断标签值是否为1，若是则将DMM模式加入对应尺寸的全率失真代价计算列表中，并计算出当前待编码块在DMM模式下的损失值以及在全率失真代价计算列表中的其余模式的损失值；
否则不将DMM模式加入对应尺寸的全率失真代价计算列表中，跳过对当前待编码块在DMM模式下的损失值的计算，仅计算当前待编码块在不含DMM模式的全率失真代价计算列表中的其余模式的损失值；
通过对所有模式的损失值进行比较，选择损失值最小的模式作为当前待编码块的最佳模式。
第二方面，本发明提供了一种基于3D-HEVC深度图模式预测的深度图编码装置，包括：
模型构建训练模块，被配置为获取训练数据，构建基于卷积网络的DMM模式预测模型，采用训练数据对DMM模式预测模型进行训练，得到经训练的DMM模式预测模型，经训练的DMM模式预测模型的输入为待编码块，输出为待编码块的编码过程中是否需要将DMM模式加入对应尺寸的全率失真代价计算列表的标签值；
标签预测模块，被配置为获取待编码深度图序列，将待编码深度图序列划分得到第一级别尺寸下的若干个当前待编码块，将当前待编码块输入经训练的DMM模式预测模型，输出的网络预测值为当前待编码块的编码过程中是否需要将DMM模式加入对应尺寸的全率失真代价计算列表的标签值；
编码模块，被配置为采用3D-HEVC编码器对当前待编码块进行编码，在编码过程中调用网络预测值，并确定当前待编码块在对应尺寸下的最佳模式；
重复模块，被配置为判断当前待编码块的尺寸是否大于第二级别尺寸，若是则调整当前待编码块的尺寸缩小一个级别，并重复执行编码模块至重复模块，否则得到所有尺寸下的当前待编码块的最佳模式。
第三方面，本发明提供了一种电子设备，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，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现如第一方面中任一实现方式描述的方法。
第四方面，本发明提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如第一方面中任一实现方式描述的方法。
相比于现有技术，本发明具有以下有益效果：
(1)本发明通过构建基于卷积网络的DMM模式预测模型，通过3D-HEVC编码器，根据在编码过程中是否将DMM模式加入对应尺寸的全率失真代价计算列表确定标签值，并将各个待编码块与其对应的标签值关联形成训练数据，并采用训练数据对该DMM模式预测模型进行训练，得到经训练的DMM模式预测模型，通过该经训练的DMM模式预测模型在编码前即可预测得到当前待编码块在编码过程中是否需要将DMM模式加入对应尺寸的全率失真代价计算列表，避免直接将DMM模式加入全率失真代价计算列表，导致对DMM模式冗余的率失真计算过程。
(2)本发明所采用的DMM模式预测模型利用浅层卷积网络提取小尺寸预测单元的内部特征，能在保证学习到高维特征的同时减少网络参数量，减少模式预测的时间开销。
(3)本发明能在保证一定编码质量的前提下，显著节省深度图编码所需时间。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简要介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本申请的一个实施例可以应用于其中的示例性装置架构图；
图2为本申请的实施例的基于3D-HEVC深度图模式预测的深度图编码方法的流程示意图；
图3为本申请的实施例的基于3D-HEVC深度图模式预测的深度图编码方法的DMM模式预测模型的结构示意图；
图4为本申请的实施例的基于3D-HEVC深度图模式预测的深度图编码方法的编码流程示意图；
图5为本申请的实施例的基于3D-HEVC深度图模式预测的深度图编码装置的示意图；
图6是适于用来实现本申请实施例的电子设备的计算机装置的结构示意图。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作进一步地详细描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
图1示出了可以应用本申请实施例的基于3D-HEVC深度图模式预测的深度图编码方法或基于3D-HEVC深度图模式预测的深度图编码装置的示例性装置架构100。
如图1所示，装置架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103上可以安装有各种应用，例如数据处理类应用、文件处理类应用等。
终端设备101、102、103可以是硬件，也可以是软件。当终端设备101、102、103为硬件时，可以是各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。当终端设备101、102、103为软件时，可以安装在上述所列举的电子设备中。其可以实现成多个软件或软件模块(例如用来提供分布式服务的软件或软件模块)，也可以实现成单个软件或软件模块。在此不做具体限定。
服务器105可以是提供各种服务的服务器，例如对终端设备101、102、103上传的文件或数据进行处理的后台数据处理服务器。后台数据处理服务器可以对获取的文件或数据进行处理，生成处理结果。
需要说明的是，本申请实施例所提供的基于3D-HEVC深度图模式预测的深度图编码方法可以由服务器105执行，也可以由终端设备101、102、103执行，相应地，基于3D-HEVC深度图模式预测的深度图编码装置可以设置于服务器105中，也可以设置于终端设备101、102、103中。
应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。在所处理的数据不需要从远程获取的情况下，上述装置架构可以不包括网络，而只需服务器或终端设备。
图2示出了本申请的实施例提供的一种基于3D-HEVC深度图模式预测的深度图编码方法，包括以下步骤：
S1，获取训练数据，构建基于卷积网络的DMM模式预测模型，采用训练数据对DMM模式预测模型进行训练，得到经训练的DMM模式预测模型，经训练的DMM模式预测模型的输入为待编码块，输出为待编码块的编码过程中是否需要将DMM模式加入对应尺寸的全率失真代价计算列表的标签值。
在具体的实施例中，步骤S1中获取训练数据，具体包括：
获取深度图序列，根据不同尺寸级别将深度图序列划分成若干个待编码块，将深度图序列输入3D-HEVC编码器中对每个待编码块进行编码，根据在编码过程中是否将DMM模式加入对应尺寸的全率失真代价计算列表确定标签值，将待编码块及其对应的标签值作为训练数据。
在具体的实施例中，在待编码块的编码过程中需要将DMM模式加入对应尺寸的全率失真代价计算列表对应的标签值为1，在待编码块的编码过程中不需要将DMM模式加入对应尺寸的全率失真代价计算列表对应的标签值为0。
具体的，深度图序列选取两个1024×768分辨率和两个1920×1088分辨率的序列，并且同时包含了内容变换丰富和相对平缓的序列，以保证训练数据的多样性。另外，考虑到数据集受限问题，本申请的实施例还对深度图序列中的深度图进行数据增强，数据增强方式包括翻转、镜像以及翻转后的镜像，使总的序列数扩充为原来的4倍，能使训练数据更加丰富，增强网络的性能。
而后，通过3D-HEVC编码器进行编码，构建所有深度图序列的待编码块及其对应DMM模式选择的训练数据，用于DMM模式预测模型的训练。具体的，将所有深度图序列送入3D-HEVC编码器中，以全帧内的配置文件进行编码，并统计出各待编码块所选的最佳模式，判断是否将DMM模式加入对应尺寸的全率失真候选列表，若是则输出的标签值为1，否则输出的标签值为0，然后再将所有深度图序列进行抽帧并按待编码块的不同尺寸切割，最后将获取的标签值与对应的待编码块相关联，即可得到4组量化参数(QP＝(25，34)，(30，39)，(35，42)，(40，45))下锚定的是否将DMM模式加入对应尺寸的全率失真候选列表的标签值，将各个待编码块及其对应的是否将DMM模式加入对应尺寸的全率失真代价计算列表的标签值作为训练数据，以便对DMM模式预测模型进行训练。
在具体的实施例中，DMM模式预测模型包括依次连接的第一卷积层、第一ReLU激活层、第二卷积层、第二ReLU激活层、第一池化层、第三卷积层、第三ReLU激活层、第二池化层、第四卷积层、第四ReLU激活层、第三池化层和全连接层，第一卷积层的卷积核大小为5×5、步长为1、填充为2，第二卷积层、第三卷积层和第四卷积层的卷积核大小为3×3、步长为1、填充为1，第一池化层、第二池化层和第三池化层的池化核大小为2×2、步长为1。
具体的，参考图3，通过构建基于卷积网络的DMM模式预测模型对待编码块中是否将DMM模式加入对应尺寸的全率失真候选列表进行预测，将待编码块输入第一卷积层，输出为经过卷积之后的特征图，输出通道数为6，再将经过卷积之后的特征图输入第一ReLU激活层，再经过三个结构相同的卷积结构，分别为第二卷积层、第三卷积层和第四卷积层，其输出通道数分别为12、20、32，并且每个卷积结构后面均连接一个ReLU激活层和池化层，最后经过全连接层，输出为待编码块是否需要将DMM模式加入对应尺寸的全率失真候选列表的标签值。该DMM模式预测模型采用较浅的三层卷积，过于复杂的网络会增加预测时的时间开销，降低算法的时间节省性能，并且深度图有大部分平坦区域以及锐利边缘的特性，内部的有效信息很少，再加上CU的尺寸限制，网络结构的深度不能进一步堆叠。
在具体的实施例中，DMM模式预测模型的训练过程中采用交叉熵损失函数，假设训练数据的总数为M，m表示训练数据中的单个样本，单个样本的损失值Lm的计算公式如下：
Figure BDA0004197131990000081
其中，
Figure BDA0004197131990000082
为该样本在32×32、16×16、8×8以及4×4尺寸下的真实标签值，/>
Figure BDA0004197131990000083
表示该样本经过所述DMM模式预测模型后得到的网络预测值，C(ym,y′m)表示真实标签值与网络预测值之间的交叉熵，li、lj、lk、lh分别对应32×32、16×16、8×8以及4×4尺寸中的其中一个待编码块，其中，I、J、K、H分别为32×32、16×16、8×8以及4×4尺寸中的待编码块的数量范围，i表示在I范围内的第i个元素，j表示在J范围内的第j个元素，k表示在K范围内的第k个元素，h表示在H范围内的第h个元素，所有M个样本的总损失值用L表示，计算公式如下：
Figure BDA0004197131990000084
网络预测值与DMM模式选择的关系如下：
Figure BDA0004197131990000085
Figure BDA0004197131990000086
Figure BDA0004197131990000087
Figure BDA0004197131990000088
具体的，64×64尺寸下默认不将DMM模式加入候选列表，所以不作考虑。在其中一个实施例中，I为{1-4}，J为{1-16}，K为{1-64}，H为{1-256}。因此，i∈{1-4}、j∈{1-16}、k∈{1-64}、h∈{1-256}，其中，i表示网络预测值的第1到第4个标签值，表示4个32×32尺寸的待编码块是否将DMM模式加入候选列表，j为网络预测值的第5至第20个标签，表示16个16×16尺寸的待编码块是否将DMM模式加入候选列表，k为网络预测值的第21至第84个标签，表示64个8×8尺寸的待编码块是否将DMM模式加入候选列表，最后h为网络预测值的第85至第340个标签，表示256个4×4尺寸的待编码块是否将DMM模式加入候选列表。通过预测得到的标签值，为后续编码提供指导。
S2，获取待编码深度图序列，将待编码深度图序列划分得到第一级别尺寸下的若干个当前待编码块，将当前待编码块输入经训练的DMM模式预测模型，输出的网络预测值为当前待编码块的编码过程中是否需要将DMM模式加入对应尺寸的全率失真代价计算列表的标签值。
在具体的实施例中，第一级别尺寸为64×64，默认不将DMM模式加入第一级别尺寸的全率失真代价计算列表，第二级别尺寸为4×4，第一级别尺寸和第二级别尺寸之间还包括依次级别减小的32×32、16×16和8×8三个尺寸。
具体的，先将待编码深度图序列划分成64×64尺寸的若干个当前待编码块，将该当前待编码块输入经训练的DMM模式预测模型，即可预测得到当前待编码块的编码过程中是否需要将DMM模式加入对应尺寸的全率失真代价计算列表的标签值。通过经训练的DMM模式预测模型预测在当前待编码块的编码过程中是否将DMM模式是否加入对应尺寸的全率失真代价计算列表，以进行率失真计算，利用该DMM模式预测模型的预测结果指导编码，从而避免3D-HEVC编码器对DMM模式冗余的率失真计算过程。
S3，采用3D-HEVC编码器对当前待编码块进行编码，在编码过程中调用网络预测值，并确定当前待编码块在对应尺寸下的最佳模式。
在具体的实施例中，步骤S3具体包括：
采用3D-HEVC编码器对当前待编码块进行编码，在编码过程中调用当前待编码块的编码过程中是否需要将DMM模式加入对应尺寸的全率失真代价计算列表的标签值；
判断标签值是否为1，若是则将DMM模式加入对应尺寸的全率失真代价计算列表中，并计算出当前待编码块在DMM模式下的损失值以及在全率失真代价计算列表中的其余模式的损失值；
否则不将DMM模式加入对应尺寸的全率失真代价计算列表中，跳过对当前待编码块在DMM模式下的损失值的计算，仅计算当前待编码块在不含DMM模式的全率失真代价计算列表中的其余模式的损失值；
通过对所有模式的损失值进行比较，选择损失值最小的模式作为当前待编码块的最佳模式。
具体的，参考图4，将经训练的DMM模式预测模型的预测结果在编码过程中使用，判断预测得到的标签值是否为1，若该标签值为1，则说明当前待编码块的编码过程中需要将DMM模式加入对应尺寸的全率失真代价计算列表中，而后在编码中就将DMM模式加入对应尺寸的全率失真代价计算列表中，对该模式进行预测变换等操作来算出当前待编码块在该模式下的损失值；若该标签值为0，则说明当前待编码块的编码过程中不需要将DMM模式加入对应尺寸的全率失真代价计算列表中，此时预测出前编码的待编码块的较为平滑，不将DMM模式加入全率失真代价计算列表中，跳过对其的代价计算，仅计算深度图在35种帧内模式下的损失值，可有效减少深度图编码时间。
S4，判断当前待编码块的尺寸是否大于第二级别尺寸，若是则调整当前待编码块的尺寸缩小一个级别，并重复步骤S3-S4，否则得到所有尺寸下的当前待编码块的最佳模式。
具体的，判断当前待编码块是否大于4×4，若当前待编码块大于4×4，则调整当前待编码块的尺寸缩小一个级别，也就是将编码深度加1，而后重复步骤S3-S4。待编码块的编码按尺寸是从32×32依次减小到4×4，尺寸越小，编码深度越高。若当前待编码块小于或等于4×4，则说明已经遍历完成所有尺寸下的当前待编码块，并得到所有待编码块的最佳模式，模式决策过程结束。
进一步参考图5，作为对上述各图所示方法的实现，本申请提供了一种基于3D-HEVC深度图模式预测的深度图编码装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。
本申请实施例提供了一种基于3D-HEVC深度图模式预测的深度图编码装置，包括：
模型构建训练模块1，被配置为获取训练数据，构建基于卷积网络的DMM模式预测模型，采用训练数据对DMM模式预测模型进行训练，得到经训练的DMM模式预测模型，经训练的DMM模式预测模型的输入为待编码块，输出为待编码块的编码过程中是否需要将DMM模式加入对应尺寸的全率失真代价计算列表的标签值；
标签预测模块2，被配置为获取待编码深度图序列，将待编码深度图序列划分得到第一级别尺寸下的若干个当前待编码块，将当前待编码块输入经训练的DMM模式预测模型，输出的网络预测值为当前待编码块的编码过程中是否需要将DMM模式加入对应尺寸的全率失真代价计算列表的标签值；
编码模块3，被配置为采用3D-HEVC编码器对当前待编码块进行编码，在编码过程中调用网络预测值，并确定当前待编码块在对应尺寸下的最佳模式；
重复模块4，被配置为判断当前待编码块的尺寸是否大于第二级别尺寸，若是则调整当前待编码块的尺寸缩小一个级别，并重复执行编码模块至重复模块，否则得到所有尺寸下的当前待编码块的最佳模式。
下面参考图6，其示出了适于用来实现本申请实施例的电子设备(例如图1所示的服务器或终端设备)的计算机装置600的结构示意图。图6示出的电子设备仅仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。
如图6所示，计算机装置600包括中央处理单元(CPU)601和图形处理器(GPU)602，其可以根据存储在只读存储器(ROM)603中的程序或者从存储部分609加载到随机访问存储器(RAM)604中的程序而执行各种适当的动作和处理。在RAM 604中，还存储有装置600操作所需的各种程序和数据。CPU 601、GPU602、ROM 603以及RAM 604通过总线605彼此相连。输入/输出(I/O)接口606也连接至总线605。
以下部件连接至I/O接口606：包括键盘、鼠标等的输入部分607；包括诸如、液晶显示器(LCD)等以及扬声器等的输出部分608；包括硬盘等的存储部分609；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分610。通信部分610经由诸如因特网的网络执行通信处理。驱动器611也可以根据需要连接至I/O接口606。可拆卸介质612，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器611上，以便于从其上读出的计算机程序根据需要被安装入存储部分609。
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。在这样的实施例中，该计算机程序可以通过通信部分610从网络上被下载和安装，和/或从可拆卸介质612被安装。在该计算机程序被中央处理单元(CPU)601和图形处理器(GPU)602执行时，执行本申请的方法中限定的上述功能。
需要说明的是，本申请所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介质或者是上述两者的任意组合。计算机可读介质例如可以是——但不限于——电、磁、光、电磁、红外线或半导体的装置、装置或器件，或者任意以上的组合。计算机可读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。在本申请中，计算机可读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装置、装置或者器件使用或者与其结合使用。而在本申请中，计算机可读的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。计算机可读的信号介质还可以是计算机可读介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行装置、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：无线、电线、光缆、RF等等，或者上述的任意合适的组合。
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申请的操作的计算机程序代码，所述程序设计语言包括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，也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，图示了按照本申请各种实施例的装置、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装置来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本申请实施例中所涉及到的模块可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的模块也可以设置在处理器中。
作为另一方面，本申请还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的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：获取训练数据，构建基于卷积网络的DMM模式预测模型，采用训练数据对DMM模式预测模型进行训练，得到经训练的DMM模式预测模型，经训练的DMM模式预测模型的输入为待编码块，输出为待编码块的编码过程中是否需要将DMM模式加入对应尺寸的全率失真代价计算列表的标签值；获取待编码深度图序列，将待编码深度图序列划分得到第一级别尺寸下的若干个当前待编码块，将当前待编码块输入经训练的DMM模式预测模型，输出的网络预测值为当前待编码块的编码过程中是否需要将DMM模式加入对应尺寸的全率失真代价计算列表的标签值；采用3D-HEVC编码器对当前待编码块进行编码，在编码过程中调用网络预测值，并确定当前待编码块在对应尺寸下的最佳模式；判断当前待编码块的尺寸是否大于第二级别尺寸，若是则调整当前待编码块的尺寸缩小一个级别，并重复以上步骤，否则得到所有尺寸下的当前待编码块的最佳模式。
以上描述仅为本申请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，本申请中所涉及的发明范围，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发明构思的情况下，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。例如上述特征与本申请中公开的(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。

Claims (10)

1.一种基于3D-HEVC深度图模式预测的深度图编码方法，其特征在于，包括以下步骤：
S1，获取训练数据，构建基于卷积网络的DMM模式预测模型，采用所述训练数据对所述DMM模式预测模型进行训练，得到经训练的DMM模式预测模型，所述经训练的DMM模式预测模型的输入为待编码块，输出为所述待编码块的编码过程中是否需要将DMM模式加入对应尺寸的全率失真代价计算列表的标签值；
S2，获取待编码深度图序列，将所述待编码深度图序列划分得到第一级别尺寸下的若干个当前待编码块，将所述当前待编码块输入所述经训练的DMM模式预测模型，输出的网络预测值为所述当前待编码块的编码过程中是否需要将DMM模式加入对应尺寸的全率失真代价计算列表的标签值；
S3，采用3D-HEVC编码器对所述当前待编码块进行编码，在编码过程中调用所述网络预测值，并确定所述当前待编码块在对应尺寸下的最佳模式；
S4，判断所述当前待编码块的尺寸是否大于第二级别尺寸，若是则调整所述当前待编码块的尺寸缩小一个级别，并重复步骤S3-S4，否则得到所有尺寸下的当前待编码块的最佳模式。
2.根据权利要求1所述的基于3D-HEVC深度图模式预测的深度图编码方法，其特征在于，所述DMM模式预测模型包括依次连接的第一卷积层、第一ReLU激活层、第二卷积层、第二ReLU激活层、第一池化层、第三卷积层、第三ReLU激活层、第二池化层、第四卷积层、第四ReLU激活层、第三池化层和全连接层，所述第一卷积层的卷积核大小为5×5、步长为1、填充为2，所述第二卷积层、第三卷积层和第四卷积层的卷积核大小为3×3、步长为1、填充为1，所述第一池化层、第二池化层和第三池化层的池化核大小为2×2、步长为1。
3.根据权利要求1所述的基于3D-HEVC深度图模式预测的深度图编码方法，其特征在于，所述步骤S1中获取训练数据，具体包括：
获取深度图序列，根据不同尺寸级别将所述深度图序列划分成若干个待编码块，将所述深度图序列输入3D-HEVC编码器中对每个待编码块进行编码，根据在编码过程中是否将DMM模式加入对应尺寸的全率失真代价计算列表确定标签值，将所述待编码块及其对应的标签值作为训练数据。
4.根据权利要求3所述的基于3D-HEVC深度图模式预测的深度图编码方法，其特征在于，在待编码块的编码过程中需要将DMM模式加入对应尺寸的全率失真代价计算列表对应的标签值为1，在待编码块的编码过程中不需要将DMM模式加入对应尺寸的全率失真代价计算列表对应的标签值为0。
5.根据权利要求1所述的基于3D-HEVC深度图模式预测的深度图编码方法，其特征在于，所述第一级别尺寸为64×64，在该尺寸下默认不将DMM模式加入第一级别尺寸的全率失真代价计算列表，所述第二级别尺寸为4×4，所述第一级别尺寸和第二级别尺寸之间还包括依次级别减小的32×32、16×16和8×8三个尺寸。
6.根据权利要求5所述的基于3D-HEVC深度图模式预测的深度图编码方法，其特征在于，所述DMM模式预测模型的训练过程中采用交叉熵损失函数，假设训练数据的总数为M，m表示训练数据中的单个样本，单个样本的损失值Lm的计算公式如下：
Figure FDA0004197131980000021
其中，
Figure FDA0004197131980000022
为该样本在32×32、16×16、8×8以及4×4尺寸下的真实标签值，/>
Figure FDA0004197131980000023
表示该样本经过所述DMM模式预测模型后得到的网络预测值，C(ym,y′m)表示真实标签值与网络预测值之间的交叉熵，li、lj、lk、lh分别对应32×32、16×16、8×8以及4×4尺寸中的其中一个待编码块，其中，I、J、K、H分别为32×32、16×16、8×8以及4×4尺寸中的待编码块的数量范围，i表示在I范围内的第i个元素，j表示在J范围内的第j个元素，k表示在K范围内的第k个元素，h表示在H范围内的第h个元素，所有M个样本的总损失值用L表示，计算公式如下：
Figure FDA0004197131980000024
网络预测值与DMM模式选择的关系如下：
Figure FDA0004197131980000025
Figure FDA0004197131980000026
Figure FDA0004197131980000031
Figure FDA0004197131980000032
Figure FDA0004197131980000033
7.根据权利要求1所述的基于3D-HEVC深度图模式预测的深度图编码方法，其特征在于，所述步骤S3具体包括：
采用3D-HEVC编码器对所述当前待编码块进行编码，在编码过程中调用所述当前待编码块的编码过程中是否需要将DMM模式加入对应尺寸的全率失真代价计算列表的标签值；
判断所述标签值是否为1，若是则将DMM模式加入对应尺寸的全率失真代价计算列表中，并计算出所述当前待编码块在DMM模式下的损失值以及在所述全率失真代价计算列表中的其余模式的损失值；
否则不将DMM模式加入对应尺寸的全率失真代价计算列表中，跳过对所述当前待编码块在DMM模式下的损失值的计算，仅计算所述当前编码在所述不含DMM模式的全率失真代价计算列表中的其余模式的损失值；
通过对所有模式的损失值进行比较，选择损失值最小的模式作为所述当前待编码块的最佳模式。
8.一种基于3D-HEVC深度图模式预测的深度图编码装置，其特征在于，包括：
模型构建训练模块，被配置为获取训练数据，构建基于卷积网络的DMM模式预测模型，采用所述训练数据对所述DMM模式预测模型进行训练，得到经训练的DMM模式预测模型，所述经训练的DMM模式预测模型的输入为待编码块，输出为所述待编码块在编码过程中是否需要将DMM模式加入对应尺寸的全率失真代价计算列表的标签值；
标签预测模块，被配置为获取待编码深度图序列，将所述待编码深度图序列划分得到第一级别尺寸下的若干个当前待编码块，将所述当前待编码块输入所述经训练的DMM模式预测模型，输出的网络预测值为所述当前待编码块的编码过程中是否需要将DMM模式加入对应尺寸的全率失真代价计算列表的标签值；
编码模块，被配置为采用3D-HEVC编码器对所述当前待编码块进行编码，在编码过程中调用所述网络预测值，并确定所述当前待编码块在对应尺寸下的最佳模式；
重复模块，被配置为判断所述当前待编码块的尺寸是否大于第二级别尺寸，若是则调整所述当前待编码块的尺寸缩小一个级别，并重复执行所述编码模块至重复模块，否则得到所有尺寸下的当前待编码块的最佳模式。
9.一种电子设备，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1-7中任一所述的方法。
10.一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1-7中任一所述的方法。
CN202310449794.9A 2023-04-24 2023-04-24 基于3d-hevc深度图模式预测的深度图编码方法、装置及可读介质 Pending CN116405683A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310449794.9A CN116405683A (zh) 2023-04-24 2023-04-24 基于3d-hevc深度图模式预测的深度图编码方法、装置及可读介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310449794.9A CN116405683A (zh) 2023-04-24 2023-04-24 基于3d-hevc深度图模式预测的深度图编码方法、装置及可读介质

Publications (1)

Publication Number Publication Date
CN116405683A true CN116405683A (zh) 2023-07-07

Family

ID=87012300

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310449794.9A Pending CN116405683A (zh) 2023-04-24 2023-04-24 基于3d-hevc深度图模式预测的深度图编码方法、装置及可读介质

Country Status (1)

Country Link
CN (1) CN116405683A (zh)

Similar Documents

Publication Publication Date Title
KR102235590B1 (ko) 비디오를 처리하기 위한 방법 및 장치
US10602163B2 (en) Encoder pre-analyser
EP4138391A1 (en) Mimic compression method and apparatus for video image, and storage medium and terminal
CN110751649B (zh) 视频质量评估方法、装置、电子设备及存储介质
US11791837B2 (en) Method and apparatus for neural network model compression/decompression
CN111182303A (zh) 共享屏幕的编码方法、装置、计算机可读介质及电子设备
CN109587491A (zh) 一种帧内预测方法、装置及存储介质
CN112104867B (zh) 一种视频处理方法、视频处理装置、智能设备及存储介质
CN114710667A (zh) 针对h.266/vvc屏幕内容帧内cu划分的快速预测方法及装置
CN114679607A (zh) 一种视频帧率控制方法、装置、电子设备及存储介质
CN113225554B (zh) 一种基于神经网络的图像编解码方法、装置、存储介质及终端
CN116918329A (zh) 一种视频帧的压缩和视频帧的解压缩方法及装置
CN115880381A (zh) 图像处理方法、图像处理装置、模型训练方法
CN116433491A (zh) 一种图像处理方法、装置、设备、存储介质及产品
EP4391533A1 (en) Feature map encoding method and apparatus and feature map decoding method and apparatus
CN116980616A (zh) 模式判决调度方法及相关装置
CN116405683A (zh) 基于3d-hevc深度图模式预测的深度图编码方法、装置及可读介质
CN115442617A (zh) 一种基于视频编码的视频处理方法和装置
CN115209147A (zh) 摄像头视频传输带宽优化方法、装置、设备及存储介质
CN111815502B (zh) 基于WebP压缩算法的多图处理的FPGA加速方法
CN113554719B (zh) 一种图像编码方法、解码方法、存储介质及终端设备
CN112738522A (zh) 视频编码方法、装置
CN116708793B (zh) 视频的传输方法、装置、设备及存储介质
CN116668723A (zh) 基于卷积神经网络的3d-hevc深度图帧内编码单元划分方法及装置
CN116309151B (zh) 图片去压缩失真网络的参数生成方法、装置和存储介质

Legal Events

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