-
公开(公告)号：CN104541510B
公开(公告)日：2018-08-24
申请号：CN201380031499.6
申请日：2013-04-12
Applicant: 三星电子株式会社
IPC: H04N19/70 , H04N19/463 , H04N19/577
CPC classification number: H04N19/50 , H04N19/174 , H04N19/463 , H04N19/573 , H04N19/577 , H04N19/61 , H04N19/70 , H04N19/96
Abstract: 提供了一种使用参考画面列表的修改进行帧间预测的方法和设备。还提供了一种对与参考画面列表的修改相关的信息进行有效地编码、发送、接收和读取的方法。一种帧间预测方法，包括：确定是否存在对于包括在同一画面中的条带之中的相同条带类型的条带的参考画面列表的同一性的约束条件；确定在同一条带中确定的参考画面列表的修改可能性；基于对于是否存在所述约束条件的确定以及确定的参考画面列表的修改可能性，来确定用于属于同一条带的帧间模式下的块的参考画面列表。
-
公开(公告)号：CN108235035A
公开(公告)日：2018-06-29
申请号：CN201810252034.8
申请日：2013-07-03
Applicant: 三星电子株式会社
Abstract: 提供一种视频编码方法和设备以及视频解码方法和设备。所述视频编码方法包括：将包括在画面序列中的画面划分为时间子层；基于在时间层访问画面之后被编码的并属于与时间层访问画面相同的时间子层或属于比时间层访问画面更高的时间子层的画面是否能够参考在时间层访问画面之前被编码的画面，将时间层访问画面分类为第一时间层访问画面或第二时间层访问画面；将用于标识第一时间层访问画面和第二时间层访问画面的类型语法信息添加到包括时间层访问画面的传输单元数据。
-
公开(公告)号：CN107517388A
公开(公告)日：2017-12-26
申请号：CN201710928851.6
申请日：2012-11-23
Applicant: 三星电子株式会社
IPC: H04N19/70 , H04N19/152 , H04N19/44
Abstract: 提供了一种用于对图像进行编码的方法和设备以及一种用于对图像进行解码的方法和设备，以管理解码器的缓冲器。根据对图像进行编码的方法，基于形成图像序列的图像帧的编码顺序、被图像帧参考的参考帧的编码顺序、图像帧的显示顺序以及参考帧的显示顺序来确定解码器对每个图像帧进行解码所需的缓冲器的最大大小、需要重新排序的图像帧的数量、以及形成图像序列的图像帧之中编码顺序和显示顺序之间具有最大差的图像帧的延迟信息，并且指示缓冲器的最大大小的第一语法、指示需要重新排序的图像帧的数量的第二语法以及指示延迟信息的第三语法被添加到强制序列参数集，其中，所述强制序列参数集是与图像序列的编码相关的信息的集合。
-
公开(公告)号：CN107454417A
公开(公告)日：2017-12-08
申请号：CN201710904788.2
申请日：2012-07-02
Applicant: 三星电子株式会社
IPC: H04N19/503 , H04N19/70 , H04N19/107 , H04N19/46 , H04N21/2387 , H04N21/426 , H04N21/6587 , H04N21/845
CPC classification number: H04N19/46 , H04N19/107 , H04N19/119 , H04N19/188 , H04N19/426 , H04N19/503 , H04N19/70 , H04N21/2387 , H04N21/42623 , H04N21/6587 , H04N21/8455
Abstract: 一种视频编码设备、视频解码设备和计算机可读存储介质。一种用于对视频数据进行复用和解复用的方法和设备。对视频数据进行复用的方法将语法包括在被用于对在随机访问中使用的纯净随机访问(CRA)画面进行复用的传输单元数据的头中，其中，预定语法指示CRA画面的再现状态，即，正常再现还是根据随机访问的再现。
-
公开(公告)号：CN107231560A
公开(公告)日：2017-10-03
申请号：CN201710675921.1
申请日：2012-10-29
Applicant: 三星电子株式会社
IPC: H04N19/196 , H04N19/463 , H04N19/58
Abstract: 提供一种帧间预测的方法及其装置和运动补偿的方法及其装置。所述帧间预测方法包括：通过使用存储在解码画面缓冲器中的长期参考图像对当前图像执行帧间预测；确定经由帧间预测产生的当前图像的残差数据和运动矢量；通过将长期参考图像的画面顺序计数(POC)信息划分为最高有效位(MSB)信息和最低有效位(LSB)信息，来将LSB信息确定为指示长期参考图像的长期参考索引。
-
Patent Agency Ranking
公开(公告)号：CN104754356B
公开(公告)日：2017-09-22
申请号：CN201510161050.2
申请日：2012-11-08
Applicant: 三星电子株式会社
IPC: H04N19/56 , H04N19/52 , H04N19/573 , H04N19/58 , H04N19/577
CPC classification number: H04N19/56 , H04N19/124 , H04N19/176 , H04N19/513 , H04N19/52 , H04N19/573 , H04N19/577 , H04N19/58 , H04N19/61
Abstract: 提供了一种用于在视频编码或解码中的运动矢量确定的方法和设备。所述运动矢量确定方法包括：确定候选运动矢量列表，其中，候选运动矢量列表包括为预测当前块的运动矢量而被参考的多个候选块的运动矢量；当所述多个候选块中的第一候选块的参考图像与当前块的参考图像不同时，基于当前块的参考图像和第一候选块的参考图像中的每一个是短期参考图像还是长期参考图像，来确定是否使用候选运动矢量列表中的第一候选块的运动矢量；通过使用从包括在候选运动矢量列表中的运动矢量之中选择的候选运动矢量，来确定当前块的运动矢量。
-
公开(公告)号：CN104768010B
公开(公告)日：2017-07-07
申请号：CN201510162074.X
申请日：2012-11-08
Applicant: 三星电子株式会社
IPC: H04N19/56 , H04N19/52 , H04N19/573 , H04N19/58 , H04N19/577
CPC classification number: H04N19/56 , H04N19/124 , H04N19/176 , H04N19/513 , H04N19/52 , H04N19/573 , H04N19/577 , H04N19/58 , H04N19/61
Abstract: 提供了一种用于在视频编码或解码中的运动矢量确定的方法和设备。所述运动矢量确定方法包括：确定候选运动矢量列表，其中，候选运动矢量列表包括为预测当前块的运动矢量而被参考的多个候选块的运动矢量；当所述多个候选块中的第一候选块的参考图像与当前块的参考图像不同时，基于当前块的参考图像和第一候选块的参考图像中的每一个是短期参考图像还是长期参考图像，来确定是否使用候选运动矢量列表中的第一候选块的运动矢量；通过使用从包括在候选运动矢量列表中的运动矢量之中选择的候选运动矢量，来确定当前块的运动矢量。
-
公开(公告)号：CN103563382A
公开(公告)日：2014-02-05
申请号：CN201280022824.8
申请日：2012-03-12
Applicant: 三星电子株式会社
CPC classification number: H04N19/00721 , H04N19/103 , H04N19/176 , H04N19/52 , H04N19/577 , H04N19/70
Abstract: 提供一种用于对被运动预测的当前预测单元的运动信息进行编码和解码的方法和设备。该图像编码方法包括：获得第一参考画面列表、第二参考画面列表和组合参考画面列表，其中，所述组合参考画面列表是包括在第一参考画面列表中的参考画面与包括在第二参考画面列表中的参考画面的组合；基于单向运动感预测模式的情况的数量和双向运动预测模式的情况的数量，来对指示在当前预测单元的编码中使用的运动预测模式和参考画面的参考语法进行编码。
-
公开(公告)号：CN113994691B
公开(公告)日：2025-04-08
申请号：CN202080041254.1
申请日：2020-05-29
Applicant: 三星电子株式会社
IPC: H04N19/42 , H04N19/423 , H04N19/182
Abstract: 提供了与人工智能(AI)缩小和放大有关的方法和设备以及与减少伪影问题有关的技术。一些实施例包括：通过深度神经网络(DNN)缩小原始图像；并且基于频率变换系数从原始图像产生伪影信息，其中，所述伪影信息表示第一图像中的包括第一图像中的伪影的区域。可以基于伪影信息执行后处理以改变第一图像中的像素，从而减少伪影的影响。
-
公开(公告)号：CN119234247A
公开(公告)日：2024-12-31
申请号：CN202380040963.1
申请日：2023-05-26
Applicant: 三星电子株式会社
IPC: G06T5/80 , G06T5/60 , G06N3/0464 , G06N3/09
Abstract: 根据本公开的实施例的通过使用神经网络模型校正图像的方法包括以下步骤：将输入图像和校正参数输入到第一神经网络模型；以及从第一神经网络模型获得与校正参数相对应的推断图像。第一神经网络模型是被训练为最小化当输入图像和校正参数被输入时输出的推断图像和与校正参数相对应的标签图像之间的差异的模型。标签图像是当校正参数被应用于至少一个图像校正算法时通过由至少一个图像校正算法校正输入图像而获得的图像。
-
-
-
-
-
-
-
-
-
Search Results
110
records
(took 0.033 seconds)
