公开(公告)号：CN103733622A

公开(公告)日：2014-04-16

申请号：CN201280039832.3

申请日：2012-06-18

Applicant: 弗劳恩霍夫应用研究促进协会

Inventor： 瓦勒日·乔治 ,  本杰明·布鲁斯 ,  汉勒·科什弗 ,  德特勒夫·马尔佩 ,  唐·源 ,  马西斯·佩斯 ,  米沙·斯科曼 ,  让·斯特格曼 ,  托马斯·威甘德

IPC: H04N19/13 ,  H04N19/70 ,  H04N19/61

CPC classification number: H04N19/13 ,  H03M7/42 ,  H04N19/124 ,  H04N19/132 ,  H04N19/174 ,  H04N19/184 ,  H04N19/50 ,  H04N19/513 ,  H04N19/52 ,  H04N19/61 ,  H04N19/70 ,  H04N19/91

Abstract: 一种用于从数据流中解码视频的解码器，其中，使用语法元素的二元化值来将语法元素编码到数据流中，该解码器包括：熵解码器，配置为根据数据流的先前解码部分，通过在不同上下文之间选择上下文并且更新与不同上下文相关联的概率状态，使用二元熵解码来从数据流中导出二元化值的多个段；解符号化器，配置为对语法元素的二元化值进行解二元化，以获得语法元素的整数值；重构器，配置为使用量化参数，基于语法元素的整数值来重构视频，其中，熵解码器配置为在126个概率状态之间进行区分，并且根据量化参数的线性方程对与不同上下文相关联的概率状态初始化，其中，熵解码器配置为针对不同上下文中的每一个，从相应8比特初始化值的前4个比特部分和后4个比特部分中导出线性方程的斜率和偏移。

公开(公告)号：CN115087988A

公开(公告)日：2022-09-20

申请号：CN202080094840.2

申请日：2020-12-21

Applicant: 弗劳恩霍夫应用研究促进协会

Inventor： 保罗·海濑 ,  汉勒·科什弗 ,  海科·施瓦茨 ,  德特勒夫·马尔佩 ,  托马斯·威甘德

IPC: G06N3/02

Abstract: 根据本发明的第一方面的实施例基于以下思想：通过使用非恒定量化器，但是在编码神经网络参数期间改变该非恒定量化器，即通过根据从数据流中解码的或相应地编码到数据流中的先前的或相应地在先编码的神经网络参数的量化索引选择一组重构级别，可以更高效地压缩神经网络参数。根据本发明的第二方面的实施例基于以下思想：当分阶段(被称为重构层，以将其与神经网络的神经层分层组成区分开)进行时并且如果在这些阶段中提供的参数化然后按神经网络参数组合以产生与任何阶段相比改进的神经网络参数化，则可以实现更高效的神经网络编码。