视频图像编码和解码方法、设备及介质

    公开(公告)号:CN114827610B

    公开(公告)日:2023-04-11

    申请号:CN202210308473.2

    申请日:2019-07-09

    Abstract: 提供了视频图像编码和解码方法、设备及介质,该视频图像编码方法包括:对待编码图像的图像块的色度预测模式进行二值化得到包括至少两个相邻比特位的比特串,其中,待编码图像允许使用CCLM和/或常规帧内色度预测模式,CCLM至少包括第一、第二和第三模式,常规帧内色度预测模式为除CCLM以外的其他帧内色度预测模式;其中,相邻比特位中的第一比特位用于指示是否采用CCLM,当第一比特位指示采用CCLM时,第二比特位用于指示是否采用CCLM的第一模式,当第二比特位指示不采用CCLM的第一模式时,第三比特位用于指示采用CCLM的第二模式还是第三模式,其中当第一比特位的值为1时,第一比特位用于指示采用CCLM;采用相互独立的概率模型分别对第一和第二比特位进行编码。

    基于深度学习的端到端视频压缩方法、系统及存储介质

    公开(公告)号:CN111405283B

    公开(公告)日:2022-09-02

    申请号:CN202010104772.5

    申请日:2020-02-20

    Applicant: 北京大学

    Abstract: 本申请实施例中提供了一种基于深度学习的端到端视频压缩方法、系统及存储介质,本申请的基于深度学习的端到端视频压缩方法通过将目标视频分为多个图像组;然后对图像组中的关键帧进行端到端帧内编码得到关键帧编码;关键帧编码通过环路滤波网络进行重建后得到关键帧重建帧;其次,基于关键帧重建帧对图像组中的非关键帧进行端到端帧间编码得到非关键帧编码;最后,非关键帧编码通过环路滤波网络进行重建后得到非关键帧重建帧。本申请采用与传统采用的视频压缩编码器相比,可以实现端到端全局优化视频编码器,在低码率下能够取得较好的编码性能。解决了如何利用深度神经网络实现端到端视频编码的同时保证较好的率失真性能的问题。

    一种基于编解码端的几何划分模式预测方法、装置、存储介质及终端

    公开(公告)号:CN111246212B

    公开(公告)日:2022-06-03

    申请号:CN202010108241.3

    申请日:2020-02-21

    Applicant: 北京大学

    Abstract: 本发明公开了一种基于编解码端的几何划分模式预测方法、装置、存储介质及终端,所述方法包括:对当前编码块进行最优模式预测,从总的模式集合中选出最可能模式集合;在最可能模式集合中进行模式决策;将最终决策得到的最优模式在最可能模式集合中的索引写入码流。从总的模式集合中进行模式决策,使用一个标识位标识最终决策得到的最优模式是否处于最可能模式集合,如果处于最可能模式集合中,则将其在最可能模式集合中的索引写入码流,否则将其在总的模式集合中的索引写入码流。因此,采用本申请实施例,可以降低划分模式编码开销,提升压缩性能,降低编码端复杂度。

Patent Agency Ranking