公开(公告)号：CN120070186A

公开(公告)日：2025-05-30

申请号：CN202510230081.2

申请日：2025-02-28

Applicant: 北京工业大学

Inventor： 刘鹏宇 ,  王偲荣 ,  董敏 ,  贾少华 ,  王佳琪 ,  黄韵洁

IPC: G06T3/4053 ,  H04N19/59 ,  H04N19/82 ,  H04N19/593 ,  H04N19/119 ,  G06T3/4046 ,  G06V10/40 ,  G06V10/80 ,  G06N3/0464 ,  G06N3/048

Abstract: 本发明公开了基于VVC视频编码特点的单帧超分辨率重建方法，属于超分辨率重建领域。本发明包括以下方面：第一，基于编码特点的特征融合方法；第二，基于编码特点的单帧超分辨率重建。本发明立足于当下最新的通用视频编码VVC标准，充分利用了视频编码特点对编码视频超分辨率重建过程的指导优势，与现有超分辨率重建中基于深度学习的思想相结合，通过融合单帧视频编码特征，指导超分辨率重建模型进行高质量拟合，在不增加模型框架复杂度的前提下，有效提升了对于解码后视频的超分辨率重建质量。

公开(公告)号：CN116347107A

公开(公告)日：2023-06-27

申请号：CN202310250176.1

申请日：2023-03-15

Applicant: 北京工业大学

Inventor： 刘鹏宇 ,  金鹏程 ,  陈善继 ,  王偲荣

IPC: H04N19/82 ,  H04N19/176 ,  H04N19/117 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了面向VVC视频编码标准基于可变CNN的QP自适应环路滤波方法，属于视频编码技术领域，本方法包含以下步骤：构建轻量级CTU质量三分类网络；构建三个不同复杂度的CNN滤波网络；构建滤波和分类数据集；训练轻量级CTU质量三分类网络模型和三个不同复杂度的CNN滤波网络模型；将轻量级CTU质量三分类网络与三个不同复杂度的CNN滤波网络耦合，并集成到VVC标准VTM6.0中。本发明充分利用了深度学习在图像滤波去噪方面的优势，改善了视频编码器中环路滤波器的性能，有效提升视频整体质量和压缩效率。