公开(公告)号：CN111988628B

公开(公告)日：2023-10-17

申请号：CN202010933234.7

申请日：2020-09-08

Applicant: 福州大学

Inventor： 徐艺文 ,  邢开应 ,  林杰廉 ,  吴陆狄 ,  郑权斐

IPC: H04N19/593 ,  G06N3/092 ,  H04N19/96

Abstract: 本发明涉及一种基于强化学习的VVC的快速帧内编码方法。首先，离线训练强化学习模型。然后，在编码过程中使用训练好的模型对编码单元（CU）的划分模式进行预测。最后，跳过未被选择的CU划分模式以节省编码时间。在不影响编码器编码性能的情况下，本发明所提出的算法相比于原始编码器能够节省较多的编码器编码时间。

公开(公告)号：CN111263145B

公开(公告)日：2022-03-22

申请号：CN202010051264.5

申请日：2020-01-17

Applicant: 福州大学

Inventor： 赵铁松 ,  王楷 ,  徐艺文 ,  吴陆狄 ,  郑权斐

IPC: H04N19/103 ,  H04N19/567 ,  H04N19/85 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及一种基于深度神经网络的多功能视频快速编码方法。首先，通过研究视频内容的时空域相关性，使用反向传播（BP）神经网络对CU的划分深度进行预测；然后，使用统计概率对CU的划分模式进行选择；最后，在编码时跳过不必要的划分模式以节省编码时间，从而达到保证编码器编码性能不变的情况下降低时间复杂度的目的。

公开(公告)号：CN111711815B

公开(公告)日：2021-09-28

申请号：CN202010618890.8

申请日：2020-06-30

Applicant: 福州大学

Inventor： 赵铁松 ,  黄雨航 ,  吴陆狄 ,  徐艺文 ,  王楷

IPC: H04N19/124 ,  H04N19/593 ,  G06N3/04 ,  G06N20/20

Abstract: 本发明涉及一种基于集成学习和概率模型的快速VVC帧内预测方法，包括以下步骤：步骤S1：基于集成学习并利用视频序列的时空域相关性，预测得到不同编码单元的深度信息；步骤S2:使用时空域相邻已编码CU的划分模式对未编码CU的划分模式进行预测,并按概率大小排序得到划分模式排序表；步骤S3:根据得到的不同编码单元的深度信息和划分模式排序表，提前终止CU的划分。本发明在保证视频质量的前提下，有效地节省了视频编码时间，用于目前主流的高清、超高清视频编码时，优势更加明显。

公开(公告)号：CN111988628A

公开(公告)日：2020-11-24

申请号：CN202010933234.7

申请日：2020-09-08

Applicant: 福州大学

Inventor： 徐艺文 ,  邢开应 ,  林杰廉 ,  吴陆狄 ,  郑权斐

IPC: H04N19/593 ,  G06N3/08 ,  H04N19/96

Abstract: 本发明涉及一种基于强化学习的VVC的快速帧内编码方法。首先，离线训练强化学习模型。然后，在编码过程中使用训练好的模型对编码单元（CU）的划分模式进行预测。最后，跳过未被选择的CU划分模式以节省编码时间。在不影响编码器编码性能的情况下，本发明所提出的算法相比于原始编码器能够节省较多的编码器编码时间。

公开(公告)号：CN111711815A

公开(公告)日：2020-09-25

申请号：CN202010618890.8

申请日：2020-06-30

Applicant: 福州大学

Inventor： 赵铁松 ,  黄雨航 ,  吴陆狄 ,  徐艺文 ,  王楷

IPC: H04N19/124 ,  H04N19/593 ,  G06N3/04 ,  G06N20/20

Abstract: 本发明涉及一种基于集成学习和概率模型的快速VVC帧内预测方法，包括以下步骤：步骤S1：基于集成学习并利用视频序列的时空域相关性，预测得到不同编码单元的深度信息；步骤S2:使用时空域相邻已编码CU的划分模式对未编码CU的划分模式进行预测,并按概率大小排序得到划分模式排序表；步骤S3:根据得到的不同编码单元的深度信息和划分模式排序表，提前终止CU的划分。本发明在保证视频质量的前提下，有效地节省了视频编码时间，用于目前主流的高清、超高清视频编码时，优势更加明显。

公开(公告)号：CN111263145A

公开(公告)日：2020-06-09

申请号：CN202010051264.5

申请日：2020-01-17

Applicant: 福州大学

Inventor： 赵铁松 ,  王楷 ,  徐艺文 ,  吴陆狄 ,  郑权斐

IPC: H04N19/103 ,  H04N19/567 ,  H04N19/85 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及一种基于深度神经网络的多功能视频快速编码方法。首先，通过研究视频内容的时空域相关性，使用反向传播（BP）神经网络对CU的划分深度进行预测；然后，使用统计概率对CU的划分模式进行选择；最后，在编码时跳过不必要的划分模式以节省编码时间，从而达到保证编码器编码性能不变的情况下降低时间复杂度的目的。