-
公开(公告)号：CN109089119B
公开(公告)日：2021-08-13
申请号：CN201710445873.7
申请日：2017-06-13
IPC分类号： H04N19/172 , H04N19/51 , H04N19/577
摘要： 本申请实施例公开了一种运动矢量预测的方法及设备，用于确定当前块的运动矢量预测值，提高运动矢量的预测效率。本申请实施例方法包括：获取当前块的运动矢量对应的参考帧；根据所述参考帧的参考帧类型，确定所述当前块的运动矢量的运动矢量类型；当所述当前块的至少一个空间相邻预测块为帧间预测块时，获取所述至少一个空间相邻预测块的第一运动矢量的运动矢量类型；当获取的所述第一运动矢量的运动矢量类型和所述当前块的运动矢量的运动矢量类型均不相同时，根据所述当前块的空间相邻像素块的解码信息，确定所述相邻像素块的第二运动矢量，将所述第二运动矢量或者所述第二运动矢量的缩放值作为所述当前块的候选运动矢量预测值。
-
公开(公告)号：CN110121073A
公开(公告)日：2019-08-13
申请号：CN201810118179.9
申请日：2018-02-06
IPC分类号： H04N19/52 , H04N19/513 , H04N19/176 , H04N19/172
摘要： 本申请实施例公开了一种双向帧间预测方法及装置，涉及视频图像编解码技术领域，自适应确定出双向加权预测的权重值，提高了双向加权预测的预测性能。该方法包括：根据当前图像块的双向运动信息，确定第一参考图像块和第二参考图像块；获取当前模板、第一参考模板和第二参考模板；计算当前模板与第一参考模板之间的第一差异值，以及当前模板与第二参考模板之间的第二差异值；确定用于表征第一差异值与第二差异值的差异程度的差距，并根据该差距归属的预设范围，确定第一参考图像块的权重值和第二参考图像块的权重值；根据第一参考图像块的权重值和第二参考图像块的权重值，对第一参考图像块和第二参考图像块进行加权，得到预测图像块。
-
公开(公告)号：CN109089119A
公开(公告)日：2018-12-25
申请号：CN201710445873.7
申请日：2017-06-13
IPC分类号： H04N19/172 , H04N19/51 , H04N19/577
摘要： 本申请实施例公开了一种运动矢量预测的方法及设备，用于确定当前块的运动矢量预测值，提高运动矢量的预测效率。本申请实施例方法包括：获取当前块的运动矢量对应的参考帧；根据所述参考帧的参考帧类型，确定所述当前块的运动矢量的运动矢量类型；当所述当前块的至少一个空间相邻预测块为帧间预测块时，获取所述至少一个空间相邻预测块的第一运动矢量的运动矢量类型；当获取的所述第一运动矢量的运动矢量类型和所述当前块的运动矢量的运动矢量类型均不相同时，根据所述当前块的空间相邻像素块的解码信息，确定所述相邻像素块的第二运动矢量，将所述第二运动矢量或者所述第二运动矢量的缩放值作为所述当前块的候选运动矢量预测值。
-
公开(公告)号：CN110121073B
公开(公告)日：2021-07-09
申请号：CN201810118179.9
申请日：2018-02-06
IPC分类号： H04N19/52 , H04N19/513 , H04N19/176 , H04N19/172
摘要： 本申请实施例公开了一种双向帧间预测方法及装置，涉及视频图像编解码技术领域，自适应确定出双向加权预测的权重值，提高了双向加权预测的预测性能。该方法包括：根据当前图像块的双向运动信息，确定第一参考图像块和第二参考图像块；获取当前模板、第一参考模板和第二参考模板；计算当前模板与第一参考模板之间的第一差异值，以及当前模板与第二参考模板之间的第二差异值；确定用于表征第一差异值与第二差异值的差异程度的差距，并根据该差距归属的预设范围，确定第一参考图像块的权重值和第二参考图像块的权重值；根据第一参考图像块的权重值和第二参考图像块的权重值，对第一参考图像块和第二参考图像块进行加权，得到预测图像块。
-
公开(公告)号：CN118632033A
公开(公告)日：2024-09-10
申请号：CN202310461780.9
申请日：2023-04-23
申请人： 华为技术有限公司
IPC分类号： H04N19/91 , H04N19/42 , H04N19/124 , H04N19/44 , G06T9/00
摘要： 本申请涉及图像处理技术领域，涉及一种解码方法、编码方法、可读存储介质和电子设备。本申请提供的解码方法中，在解码时，当所述待解码图像数据位于所述第一区域内的预设边界区域，或者待解码图像数据对应的高斯分布方差参数大于第一阈值时，可以获取待解码图像数据对应的残差值，以便基于残差值和预测值获取待解码图像数据对应的图像重建数据；如此对于边界区域的待解码图像数据，将不会将准确度低的预测值直接作为重建值，能够有效避免出现图像质量问题。
-
公开(公告)号：CN114827622A
公开(公告)日：2022-07-29
申请号：CN202110071775.8
申请日：2021-01-19
申请人： 华为技术有限公司
IPC分类号： H04N19/30 , H04N19/91 , H04N19/186 , H04N19/182 , G06N3/08 , G06N3/04
摘要： 本申请提供了分层编解码的方法及装置。涉及基于人工智能(AI)的视频或图像压缩技术领域。该编码方法包括把视频信号的第一信号分量的控制信号作用于所述第一信号分量的第一特征图，获得所述第一信号分量的第二特征图，其中所述第一信号分量的控制信号通过学习获得；把所述视频信号的第二信号分量的控制信号作用于所述第二信号分量的第一特征图，获得所述第二信号分量的第二特征图，其中所述第二信号分量的控制信号通过学习获得；以及根据所述第一信号分量的第二特征图和所述第二信号分量的第二特征图，获得所述视频信号的码流。本申请能够适配不同色彩特性的图像内容。
-
公开(公告)号：CN115834888A
公开(公告)日：2023-03-21
申请号：CN202210300566.0
申请日：2022-03-25
申请人： 华为技术有限公司
IPC分类号： H04N19/13 , H04N19/172 , H04N19/42 , H04N19/44
摘要： 本申请提供了特征图编解码方法和装置。涉及基于人工智能(AI)的数据编解码技术领域，具体设计基于神经网络的数据编码解码技术领域。其中特征图解码方法包括：获取待解码特征图的码流，该待解码特征图包括多个特征元素；基于该码流，获得每个特征元素对应的第一概率估计结果，该第一概率估计结果包括第一峰值概率；基于第一阈值和每个特征元素对应的第一峰值概率，从多个特征元素中确定第一特征元素的集合和第二特征元素的集合；基于该第一特征元素的集合和第二特征元素的集合，得到该解码特征图。通过概率估计结果和每个特征元素对应的第一峰值概率确定每个特征元素的解码方式，能在降低编解码复杂度的同时提升编解码性能。
-
公开(公告)号：CN115442609A
公开(公告)日：2022-12-06
申请号：CN202111091143.4
申请日：2021-09-17
申请人： 华为技术有限公司
IPC分类号： H04N19/13 , H04N19/176 , H04N19/42 , H04N19/44 , H04N19/91
摘要： 本申请提供了特征数据编解码方法和装置，涉及基于人工智能(AI)的图像或音频的编解码技术领域，具体涉及基于神经网络的图像特征图或音频特征变量的编解码技术领域。其中编码方法包括：获取待编码目标，所述待编码目标包括多个特征元素，所述多个特征元素包括第一特征元素。所述方法还包括获取所述第一特征元素的概率估计结果，根据所述第一特征元素的概率估计结果，判断是否对所述第一特征元素执行熵编码；仅当判断出需要对所述第一特征元素执行熵编码时，对所述第一特征元素执行熵编码。本申请根据概率估计结果来判断是否对特征元素编码。这样，能够在不影响编解码性能情况下降低编解码复杂度，其中待编码目标包括图像特征图或音频特征变量。
-
公开(公告)号：CN115118972A
公开(公告)日：2022-09-27
申请号：CN202110289642.8
申请日：2021-03-17
申请人： 华为技术有限公司
IPC分类号： H04N19/124 , H04N19/60 , G06N3/04 , G06N3/08
摘要： 本申请提供一种视频图像的编解码方法及相关设备。涉及基于人工智能(AI)的视频或图像压缩技术领域，具体涉及基于神经网络的视频压缩技术领域。该解码方法包括：通过神经网络对输入数据进行概率估计处理，得到当前图像的残差包括的多个样本的残差值的概率分布，输入数据至少包括参考图像的残差，参考图像为在解码当前图像之前的已解码图像；基于当前图像的残差包括的多个样本的残差值的概率分布对码流进行算术熵解码，得到第一熵解码数据，第一熵解码数据表示当前图像的残差；基于当前图像的残差，得到当前图像的重建样本值。本申请能够提高编解码的效率和精度。
-
公开(公告)号：CN114339262A
公开(公告)日：2022-04-12
申请号：CN202011066451.7
申请日：2020-09-30
申请人： 华为技术有限公司
IPC分类号： H04N19/91 , H04N19/88 , H04N19/176
摘要： 本申请提供了熵编/解码方法及装置。涉及基于人工智能(AI)的视频或图像压缩技术领域领域，具体涉及基于神经网络的视频压缩技术领域。该方法包括：获得待编码的图像块的基本层信息，所述基本层信息对应于所述图像块中的M个像素点，M为正整数；获得与所述图像块的增强层信息对应的K个元素，所述增强层信息对应于所述图像块中的N个像素点，K和N均为正整数，N≥M；将所述基本层信息输入神经网络以获得K组概率值，所述K组概率值和所述K个元素对应，任意一组概率值用于表示对应的元素的多个候选取值的概率；根据所述K组概率值对所述K个元素进行熵编码。本申请能够提高提高熵编/解码的效率。
-
-
-
-
-
-
-
-
-
搜索结果
26 条记录 (耗时 0.043 秒)
