-
公开(公告)号:CN111052740B
公开(公告)日:2024-04-09
申请号:CN201880045117.8
申请日:2018-02-06
Applicant: 三星电子株式会社
IPC: H04N19/117 , H04N19/124 , H04N19/105 , G06N3/0464 , G06N3/084 , G06N3/048
Abstract: 提供了使用经过训练的深度神经网络(DNN)滤波器模型的环内滤波技术。根据实施例的图像解码方法包括以下步骤:接收编码图像的比特流,通过重构编码图像来生成重构数据,从比特流获得与编码图像的内容类型有关的信息,基于与内容类型有关的信息确定被训练为通过使用至少一个计算机来执行环内滤波的DNN滤波器模型,以及通过将重构数据应用于所确定的DNN滤波器模型来执行环内滤波。
-
公开(公告)号:CN114175652A
公开(公告)日:2022-03-11
申请号:CN202080054848.6
申请日:2020-04-17
Applicant: 三星电子株式会社
IPC: H04N19/42 , H04N21/2343 , H04N21/4402 , G06N3/08 , H04N21/4363
Abstract: 提供了一种解码设备,包括:通信接口,被配置为接收作为原始图像的人工智能(AI)缩小和第一编码的结果而生成的AI编码数据;处理器,被配置为将所述AI编码数据划分为图像数据和AI数据;以及输入/输出(I/O)装置,其中,所述处理器还被配置为:基于所述图像数据,通过对第一图像执行第一解码来获得第二图像,其中,所述第一图像是通过对所述原始图像执行AI缩小而获得的;以及控制所述I/O装置将所述第二图像和所述AI数据发送到外部设备。在一些实施例中,所述外部设备使用所述AI数据对所述第二图像执行AI放大,并显示得到的第三图像。
-
公开(公告)号:CN108833926B
公开(公告)日:2021-12-21
申请号:CN201810708748.5
申请日:2013-04-16
Applicant: 三星电子株式会社
IPC: H04N19/70 , H04N19/463 , H04N19/58
Abstract: 提供了一种用于确定图像的参考画面集的方法和设备,其中,RPS是用于当前画面的预测解码的参考画面的集合。所述方法包括:获得标志,所述标志指示:RPS基于当前画面的POC值与先前画面的POC值被确定,或者RPS基于作为参考RPS的标识值的参考RPS的索引和RPS变化量被确定,其中,RPS变化量是包括在参考RPS中的参考画面的POC值与包括在RPS中的参考画面的POC值之间的差值;根据所述标志的值确定RPS。
-
公开(公告)号:CN113196761A
公开(公告)日:2021-07-30
申请号:CN201980083032.3
申请日:2019-09-26
Applicant: 三星电子株式会社
IPC: H04N19/132 , H04N19/85 , H04N19/50 , H04N19/184 , G06N3/08
Abstract: 提出了一种用于评估视频的质量的方法和设备,其中:从用于评估质量的目标视频和将与目标视频进行比较的参考视频获得划分出的预定尺寸的块;将块输入到视频质量评估网络,确定针对每一个块的灵敏度信息和质量评价信息;以及基于针对每一个块的所述灵敏度将质量评估信息进行组合,并且确定目标视频的最终视频质量评估得分。
-
公开(公告)号:CN112889282A
公开(公告)日:2021-06-01
申请号:CN201980068867.1
申请日:2019-08-21
Applicant: 三星电子株式会社
IPC: H04N19/132 , H04N19/85 , H04N19/50 , H04N19/184 , G06N3/08
Abstract: 提供了一种人工智能解码设备,包括:存储器;以及处理器,被配置为执行存储在存储器中的一个或更多个指令,其中,处理器被配置为:获得与将原始图像AI缩小为第一图像相关的AI数据;获得与对第一图像的编码结果对应的图像数据;通过对所述图像数据执行解码来获得与第一图像对应的第二图像;根据所述AI数据在多个深度神经网络(DNN)设置信息中获得DNN设置信息;以及由放大DNN通过对第二图像执行AI放大来获得第三图像,其中,所述放大DNN被用获得的DNN设置信息进行配置,其中,所述多个DNN设置信息包括:在所述放大的DNN中使用的参数,其中,所述参数是通过对所述放大DNN和缩小DNN的联合训练获得的。
-
公开(公告)号:CN107517388B
公开(公告)日:2020-07-31
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:CN111052740A
公开(公告)日:2020-04-21
申请号:CN201880045117.8
申请日:2018-02-06
Applicant: 三星电子株式会社
IPC: H04N19/117 , H04N19/124 , H04N19/105 , G06N3/08
Abstract: 提供了使用经过训练的深度神经网络(DNN)滤波器模型的环内滤波技术。根据实施例的图像解码方法包括以下步骤:接收编码图像的比特流,通过重构编码图像来生成重构数据,从比特流获得与编码图像的内容类型有关的信息,基于与内容类型有关的信息确定被训练为通过使用至少一个计算机来执行环内滤波的DNN滤波器模型,以及通过将重构数据应用于所确定的DNN滤波器模型来执行环内滤波。
-
公开(公告)号:CN110892723A
公开(公告)日:2020-03-17
申请号:CN201880045127.1
申请日:2018-02-06
Applicant: 三星电子株式会社
IPC: H04N19/50 , H04N19/176 , G06N3/04 , H04N19/103 , H04N19/122 , H04N19/184 , H04N19/119
Abstract: 提供了一种使用深度神经网络(DNN)的预测图像生成技术。提供了一种图像解码方法,其包括:接收编码图像的比特流;确定从编码图像中分割的至少一个块;确定用于预测至少一个块中的当前块的邻近块;通过将邻近块应用于配置为通过使用至少一个计算机来预测图像的块的深度神经网络(DNN)学习模型来生成当前块的预测数据;从比特流中提取当前块的残留数据;以及通过使用预测数据和残留数据来重构当前块。
-
公开(公告)号:CN110337813A
公开(公告)日:2019-10-15
申请号:CN201880013752.8
申请日:2018-02-06
Applicant: 三星电子株式会社
IPC: H04N19/50 , H04N19/184 , G06N3/08 , G06N3/04 , H04N19/132 , H04N19/117
Abstract: 提供了一种图像压缩方法和用于执行图像压缩方法的图像压缩装置。根据实施例的用于对图像进行压缩的方法包括以下步骤:针对图像使用DNN来执行下采样,从而确定压缩图像;基于压缩图像来执行预测,从而确定预测信号;基于压缩图像和预测信号来确定残差信号;并且生成包括与所述残差信号有关的信息的比特流,其中,DNN具有通过使用在上采样处理中生成的信息对下采样处理进行学习而确定的网络结构。提供了一种图像恢复方法以及用于执行图像恢复方法的图像恢复装置,其中,所述图像恢复方法通过使用用于上采样的DNN对压缩图像进行恢复,其中,所述压缩图像是通过图像压缩方法被压缩出来的。
-
公开(公告)号:CN108833926A
公开(公告)日:2018-11-16
申请号:CN201810708748.5
申请日:2013-04-16
Applicant: 三星电子株式会社
IPC: H04N19/70 , H04N19/463 , H04N19/58
CPC classification number: H04N19/136 , H04N19/124 , H04N19/172 , H04N19/174 , H04N19/463 , H04N19/58 , H04N19/70 , H04N19/86
Abstract: 提供了一种用于确定图像的参考画面集的方法和设备,其中,RPS是用于当前画面的预测解码的参考画面的集合。所述方法包括:获得标志,所述标志指示:RPS基于当前画面的POC值与先前画面的POC值被确定,或者RPS基于作为参考RPS的标识值的参考RPS的索引和RPS变化量被确定,其中,RPS变化量是包括在参考RPS中的参考画面的POC值与包括在RPS中的参考画面的POC值之间的差值;根据所述标志的值确定RPS。
-
-
-
-
-
-
-
-
-