-
公开(公告)号：CN110602491B
公开(公告)日：2022-07-19
申请号：CN201910817597.1
申请日：2019-08-30
Applicant: 中国科学院深圳先进技术研究院
IPC: H04N19/11 , H04N19/132 , H04N19/184 , H04N19/186 , H04N21/2343 , H04N21/4402
Abstract: 本申请实施例公开了一种帧内色度预测方法、装置、系统、终端设备、视频编码器、视频解码器及计算机可读存储介质，其中，方法包括：获取已编码或已解码重建的亮度分量；对已编码或已解码重建的亮度分量进行下采样；将预设参量输入至预训练的色度预测卷积神经网络模型中的图像上色子网络，得到图像上色子网络输出的色度分量；其中，预设参量包括下采样后的已编码或已解码重建的亮度分量，或者包括下采样后的已编码或已解码重建的亮度分量和目标参量，目标参量包括编码失真度和已编码或已解码重建的相邻色度块中的至少一种；根据色度分量得出色度预测结果。本申请实施例提供的基于卷积神经网络的帧内色度预测方案的普适性较高，可以节省码率。
-
Patent Agency Ranking
公开(公告)号：CN107438180A
公开(公告)日：2017-12-05
申请号：CN201710751972.8
申请日：2017-08-28
Applicant: 中国科学院深圳先进技术研究院
CPC classification number: H04N17/00 , H04N13/106 , H04N2013/0074
Abstract: 本发明涉及一种三维视频的深度感知质量评价方法，通过选取与待评价图像对应的参考三维图像；将待评价图像的左视图与参考三维图像的左视图进行关键点匹配，并计算出待评价图像左视图的深度失真；将待评价图像的右视图与参考三维图像的右视图进行关键点匹配，并计算出待评价图像右视图的深度失真；分别对待评价图像及参考三维图像进行关键点检测，并计算出待评价图像的双目深度失真；将左视图的深度失真、右视图的深度失真及双目深度失真进行融合，获取深度质量失真；将深度质量失真转换成深度感知质量，因而能够根据深度感知质量对待评价图像进行失真评价。
-
公开(公告)号：CN107690069B
公开(公告)日：2021-01-01
申请号：CN201710751982.1
申请日：2017-08-28
Applicant: 中国科学院深圳先进技术研究院
IPC: H04N19/103 , H04N19/147 , H04N19/159 , H04N19/94
Abstract: 本发明涉及一种数据驱动的级联视频编码方法，通过编码模式决策器的级联，以及编码模式决策数据，提高单级编码单元模式决策器的决策准确度和编码效率的控制，有效降低视频编码的编码复杂度。将多个单级编码单元模式决策器级联，有效进一步减少单一编码单元模式决策器决策过程中的分类不确定性问题；因此，有效提高编码单元模式决策准确性，降低了高效视频编码的计算复杂度的同时，提高了高效视频编码的有效性。
-
公开(公告)号：CN110602491A
公开(公告)日：2019-12-20
申请号：CN201910817597.1
申请日：2019-08-30
Applicant: 中国科学院深圳先进技术研究院
IPC: H04N19/11 , H04N19/132 , H04N19/184 , H04N19/186 , H04N21/2343 , H04N21/4402
Abstract: 本申请实施例公开了一种帧内色度预测方法、装置、系统、终端设备、视频编码器、视频解码器及计算机可读存储介质，其中，方法包括：获取已编码或已解码重建的亮度分量；对已编码或已解码重建的亮度分量进行下采样；将预设参量输入至预训练的色度预测卷积神经网络模型中的图像上色子网络，得到图像上色子网络输出的色度分量；其中，预设参量包括下采样后的已编码或已解码重建的亮度分量，或者包括下采样后的已编码或已解码重建的亮度分量和目标参量，目标参量包括编码失真度和已编码或已解码重建的相邻色度块中的至少一种；根据色度分量得出色度预测结果。本申请实施例提供的基于卷积神经网络的帧内色度预测方案的普适性较高，可以节省码率。
-
公开(公告)号：CN107438180B
公开(公告)日：2019-02-22
申请号：CN201710751972.8
申请日：2017-08-28
Applicant: 中国科学院深圳先进技术研究院
IPC: H04N17/00 , H04N13/106
Abstract: 本发明涉及一种三维视频的深度感知质量评价方法，通过选取与待评价图像对应的参考三维图像；将待评价图像的左视图与参考三维图像的左视图进行关键点匹配，并计算出待评价图像左视图的深度失真；将待评价图像的右视图与参考三维图像的右视图进行关键点匹配，并计算出待评价图像右视图的深度失真；分别对待评价图像及参考三维图像进行关键点检测，并计算出待评价图像的双目深度失真；将左视图的深度失真、右视图的深度失真及双目深度失真进行融合，获取深度质量失真；将深度质量失真转换成深度感知质量，因而能够根据深度感知质量对待评价图像进行失真评价。
-
公开(公告)号：CN107690069A
公开(公告)日：2018-02-13
申请号：CN201710751982.1
申请日：2017-08-28
Applicant: 中国科学院深圳先进技术研究院
IPC: H04N19/103 , H04N19/147 , H04N19/159 , H04N19/94
Abstract: 本发明涉及一种数据驱动的级联视频编码方法，通过编码模式决策器的级联，以及编码模式决策数据，提高单级编码单元模式决策器的决策准确度和编码效率的控制，有效降低视频编码的编码复杂度。将多个单级编码单元模式决策器级联，有效进一步减少单一编码单元模式决策器决策过程中的分类不确定性问题；因此，有效提高编码单元模式决策准确性，降低了高效视频编码的计算复杂度的同时，提高了高效视频编码的有效性。
-
-
-
-
-
Search Results
6
records
(took 0.041 seconds)
