帧内预测方法、装置、电子设备及机器可读存储介质

    公开(公告)号:CN110324620B

    公开(公告)日:2021-08-24

    申请号:CN201810276552.3

    申请日:2018-03-30

    Inventor: 左旭光

    Abstract: 本申请提供了帧内预测方法、装置、电子设备及机器可读存储介质。本申请中,并非仅依赖于隐藏层只包含全连接层的深度神经网络实现帧内预测,而是由卷积层或降维处理与全连接层一起实现帧内预测,因为卷积层或降维处理能够帮助全连接层分担帧内预测,因此,相比于仅依赖于隐藏层只包含全连接层的深度神经网络实现帧内预测,本申请中全连接层的层数可以远小于仅依赖于隐藏层只包含全连接层的深度神经网络中全连接层的层数,大大降低帧内预测的复杂度。

    帧内预测方法及装置
    2.
    发明授权

    公开(公告)号:CN109996083B

    公开(公告)日:2021-02-09

    申请号:CN201711484021.5

    申请日:2017-12-29

    Abstract: 本发明是关于一种帧内预测方法及装置,属于编解码技术领域。所述方法包括:生成待处理图像帧中待预测区域的预测图像块;将待处理图像块输入深度神经网络,所述待处理图像块包括所述预测图像块,以及周边图像块,所述周边图像块包括与所述待预测区域相邻的,且位于所述待预测区域的左侧、上方和左上方中的至少一个方位的块状区域中的已重建的像素值;获取所述深度神经网络输出的输出图像块;基于所述输出图像块,确定最终预测块,所述最终预测块的尺寸与所述预测图像块的尺寸相同。本发明解决了目前的帧内预测技术预测得到的像素值的可靠性较低的问题。

    帧内预测方法及装置
    3.
    发明公开

    公开(公告)号:CN109996083A

    公开(公告)日:2019-07-09

    申请号:CN201711484021.5

    申请日:2017-12-29

    Abstract: 本发明是关于一种帧内预测方法及装置,属于编解码技术领域。所述方法包括:生成待处理图像帧中待预测区域的预测图像块;将待处理图像块输入深度神经网络,所述待处理图像块包括所述预测图像块,以及周边图像块,所述周边图像块包括与所述待预测区域相邻的,且位于所述待预测区域的左侧、上方和左上方中的至少一个方位的块状区域中的已重建的像素值;获取所述深度神经网络输出的输出图像块;基于所述输出图像块,确定最终预测块,所述最终预测块的尺寸与所述预测图像块的尺寸相同。本发明解决了目前的帧内预测技术预测得到的像素值的可靠性较低的问题。

    色度的帧内预测方法及装置

    公开(公告)号:CN110324627B

    公开(公告)日:2022-04-05

    申请号:CN201810276799.5

    申请日:2018-03-30

    Inventor: 左旭光

    Abstract: 本发明是关于一种色度的帧内预测方法及装置,属于视频编解码领域。所述方法包括:当目标帧内预测模式为帧内运动补偿模式时,基于参考亮度块的运动矢量确定待处理图像帧中当前色度块的运动矢量,其中,所述目标帧内预测模式用于指示预测所述当前色度块的预测块的模式,在所述帧内运动补偿模式下,所述当前色度块的运动矢量基于亮度块的运动矢量生成,所述参考亮度块为与所述当前色度块位置对应的n个亮度块中的亮度块,n≥1;基于所述当前色度块的运动矢量,预测所述当前色度块的预测块。本发明解决了目前的帧内运动补偿技术的过程方法较为复杂,确定以及编码运动矢量的代价较高的问题。本发明用于视频的编解码。

    色度的帧内预测方法及装置

    公开(公告)号:CN110324627A

    公开(公告)日:2019-10-11

    申请号:CN201810276799.5

    申请日:2018-03-30

    Inventor: 左旭光

    Abstract: 本发明是关于一种色度的帧内预测方法及装置,属于视频编解码领域。所述方法包括:当目标帧内预测模式为帧内运动补偿模式时,基于参考亮度块的运动矢量确定待处理图像帧中当前色度块的运动矢量,其中,所述目标帧内预测模式用于指示预测所述当前色度块的预测块的模式,在所述帧内运动补偿模式下,所述当前色度块的运动矢量基于亮度块的运动矢量生成,所述参考亮度块为与所述当前色度块位置对应的n个亮度块中的亮度块,n≥1;基于所述当前色度块的运动矢量,预测所述当前色度块的预测块。本发明解决了目前的帧内运动补偿技术的过程方法较为复杂,确定以及编码运动矢量的代价较高的问题。本发明用于视频的编解码。

    帧内预测方法、装置、电子设备及机器可读存储介质

    公开(公告)号:CN110324620A

    公开(公告)日:2019-10-11

    申请号:CN201810276552.3

    申请日:2018-03-30

    Inventor: 左旭光

    Abstract: 本申请提供了帧内预测方法、装置、电子设备及机器可读存储介质。本申请中,并非仅依赖于隐藏层只包含全连接层的深度神经网络实现帧内预测,而是由卷积层或降维处理与全连接层一起实现帧内预测,因为卷积层或降维处理能够帮助全连接层分担帧内预测,因此,相比于仅依赖于隐藏层只包含全连接层的深度神经网络实现帧内预测,本申请中全连接层的层数可以远小于仅依赖于隐藏层只包含全连接层的深度神经网络中全连接层的层数,大大降低帧内预测的复杂度。

Patent Agency Ranking