-
公开(公告)号：CN112954350A
公开(公告)日：2021-06-11
申请号：CN202110328060.6
申请日：2021-03-26
Applicant: 中南大学
IPC: H04N19/172 , H04N19/42 , H04N19/70
Abstract: 本发明公开了一种基于帧分类的视频后处理优化方法及装置，本发明首先会标记待增强视频中所有的较优帧，将待增强视频分为较优帧和普通帧，其中较优帧用于表征待增强视频所有帧中质量较好的帧。然后在视频后处理中，提供两种选择，第一种选择是直接选择跳过所标记的所有较优帧的质量增强处理，选择不对此类帧进行质量增强，从而能够在损失较小的情况下有效缩减运算所需时间；第二种选择是先判断是否对当前的较优帧进行质量增强，若进行处理，则使用两个不同的增强模型分别对当前的较优帧和普通帧进行处理，对不同帧类型采用不同的增强模型，从而提高质量增强效果，并且能够在损失较小的情况下减少运算消耗的时间。
-
Patent Agency Ranking
公开(公告)号：CN111586417A
公开(公告)日：2020-08-25
申请号：CN202010339779.5
申请日：2020-04-26
Applicant: 中南大学
Abstract: 本发明公开了一种基于多视频编码标准的VVC转码系统及方法，本发明可获取不同编码标准下的CU块的深度划分信息，然后利用得到的CU块的深度划分信息对VVC编码过程中的CU块的最优深度划分模式进行预判，能够提高预判的准确度；对VVC编码过程中的CU块的最优深度划分模式进行预判，能够跳过不必要的深度划分步骤，降低VVC的编码复杂度，提高转码效率。
-
公开(公告)号：CN113055676B
公开(公告)日：2024-04-26
申请号：CN202110331278.7
申请日：2021-03-26
Applicant: 中南大学
IPC: H04N19/172 , H04N19/513 , H04N19/70 , H04N19/42 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于深度网络视频编解码的后处理优化方法，包括：读取解码图像，在时空可变融合模块中对解码图像进行偏移量预测，偏移量预测包括对解码图像进行两次下采样和两次上采样，以得到第一偏移量；获取参考帧的运动矢量；根据运动矢量和第一偏移量计算得到第二偏移量；将第二偏移量用可变卷积计算得到特征图，使用图像质量提升模块处理特征图以得到残差图，将残差图加到解码图像以得到图像质量增强的解码图像。能够在具有较好的图像后处理增强质量的情况下，极大的简化了模型结构，缩短了神经网络卷积计算时间，降低了算法复杂度，提升了对码流中存在的解码信息的利用率，满足应用的实时需求。
-
公开(公告)号：CN111355955B
公开(公告)日：2022-07-29
申请号：CN202010150028.9
申请日：2020-03-06
Applicant: 中南大学
IPC: H04N19/147 , H04N19/124 , H04N19/119 , H04N19/625 , H04N19/593 , H04N19/61
Abstract: 本发明公开了一种基于预选层的多变换核快速跳过方法，包括以下步骤：S1、对传入的视频执行第一遍编码流程；S2、使用选择MTS标志位0时的变换核执行变换模块，将变换之后的值执行量化、反量化、反变换操作，得到重构像素值；S3、计算使用该变换核时的R‑Dcost值；S4、按次序使用选择MTS标志位为1的MTS变换核，重复N次，将变换之后的值执行量化、反量化、反变换操作，得到重构像素值，选择R‑Dcost值最小的变换核作为最优的变换核；S5、完成第一遍编码，产生最优划分，开始第二遍编码；S6、循环遍历所有的CU块，直到第二遍编码完成。本方案能够实现在质量损失不大的条件下，极大的降低编码器的运算成本，增加其实用性。
-
公开(公告)号：CN113242428A
公开(公告)日：2021-08-10
申请号：CN202110406286.3
申请日：2021-04-15
Applicant: 中南大学
IPC: H04N19/139 , H04N19/154 , H04N19/167 , G06K9/00 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种视频会议场景下基于ROI区域的后处理加速方法，包括：若当前帧为第一帧，对视频的第一帧进行人脸识别处理得到人脸区域；将所述人脸区域进行扩展以得到ROI区域，对所述ROI区域进行图像质量增强；若当前帧不为第一帧，获取所述当前帧在前一帧的所述ROI区域内的运动矢量信息，根据所述运动矢量信息在所述当前帧对所述ROI区域进行位移，对位移后的所述ROI区域进行图像质量增强。针对视频会议场景的特点，借助人脸识别网络与视频编解码过程得到的运动矢量信息获取ROI区域，然后对此ROI区域进行后处理，输入质量增强网络就可以实现视频的部分增强，提升了后处理的运算效率，从而减少后处理的算法耗时。
-
公开(公告)号：CN113055676A
公开(公告)日：2021-06-29
申请号：CN202110331278.7
申请日：2021-03-26
Applicant: 中南大学
IPC: H04N19/172 , H04N19/513 , H04N19/70 , H04N19/42 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于深度网络视频编解码的后处理优化方法，包括：读取解码图像，在时空可变融合模块中对解码图像进行偏移量预测，偏移量预测包括对解码图像进行两次下采样和两次上采样，以得到第一偏移量；获取参考帧的运动矢量；根据运动矢量和第一偏移量计算得到第二偏移量；将第二偏移量用可变卷积计算得到特征图，使用图像质量提升模块处理特征图以得到残差图，将残差图加到解码图像以得到图像质量增强的解码图像。能够在具有较好的图像后处理增强质量的情况下，极大的简化了模型结构，缩短了神经网络卷积计算时间，降低了算法复杂度，提升了对码流中存在的解码信息的利用率，满足应用的实时需求。
-
-
-
-
-
Search Results
16
records
(took 0.022 seconds)
