-
公开(公告)号：CN110637460A
公开(公告)日：2019-12-31
申请号：CN201880027382.3
申请日：2018-06-29
Applicant: 索尼公司
IPC: H04N19/124 , H04N19/196 , H04N19/176 , H04N19/136 , G06N3/04 , G06N3/08
Abstract: QP映射方法能够在整个编码的帧中保持一致的视觉质量。它自动将更多位指派给对压缩失真更敏感的图像块。用于QP预测的纹理描述特征被快速计算，并且与深度神经网络一起，能够有效地近似从视觉质量测量推导的底层QP映射策略。
-
公开(公告)号：CN110622214A
公开(公告)日：2019-12-27
申请号：CN201880027386.1
申请日：2018-06-29
Applicant: 索尼公司
Abstract: 基于超体素的时空视频分割方法的两步体系架构确保速度和可伸缩性。计算密集的第一步使用高度高效的超体素分割方法。第二步是在预分组的超体素上完成的，因此具有低得多的时间和空间复杂性。第一步中部署的渐进式分割方案使得能够逐部分地分割巨大的输入体量，而无需将所有数据加载到存储器中(该步骤可能是不可行的)。同时，渐进式分割能够有效地防止接缝伪影，从而导致分割结果实际上与整个体量处理的结果相同。
-
公开(公告)号：CN107636690B
公开(公告)日：2021-06-22
申请号：CN201680032412.0
申请日：2016-06-03
Applicant: 索尼公司
Abstract: 实施例一般涉及提供用于评估失真图像相对于参考图像的图像质量的系统和方法。在一个实施例中，所述系统包括接受失真图像和参考图像作为输入并且提供图像质量的度量作为输出的卷积神经网络。在另一个实施例中，所述方法包括向被配置为处理失真图像和参考图像并且提供图像质量的度量作为输出的卷积神经网络输入失真图像和参考图像。
-
公开(公告)号：CN108780499A
公开(公告)日：2018-11-09
申请号：CN201780015278.8
申请日：2017-03-02
Applicant: 索尼公司
CPC classification number: H04N19/124 , H04N19/154 , H04N19/176
Abstract: 本文公开了基于量化参数处理视频的系统和方法的各个方面。在实施例中，所述方法包括提取用于捕获图像块的纹理信息的多个特征。训练神经网络回归器以映射所提取的多个特征以确定最佳量化参数。通过使用所确定的最佳量化参数对该图像块进行编码。
-
公开(公告)号：CN107636690A
公开(公告)日：2018-01-26
申请号：CN201680032412.0
申请日：2016-06-03
Applicant: 索尼公司
CPC classification number: G06T7/0002 , G06K9/036 , G06K9/46 , G06K9/4628 , G06K9/6215 , G06K9/6272 , G06K9/66 , G06N3/08 , G06T5/002 , G06T2207/10016 , G06T2207/20081 , G06T2207/20084 , G06T2207/30168
Abstract: 实施例一般涉及提供用于评估失真图像相对于参考图像的图像质量的系统和方法。在一个实施例中，所述系统包括接受失真图像和参考图像作为输入并且提供图像质量的度量作为输出的卷积神经网络。在另一个实施例中，所述方法包括向被配置为处理失真图像和参考图像并且提供图像质量的度量作为输出的卷积神经网络输入失真图像和参考图像。
-
Patent Agency Ranking
公开(公告)号：CN108780499B
公开(公告)日：2024-02-02
申请号：CN201780015278.8
申请日：2017-03-02
Applicant: 索尼公司
IPC: H04N19/124 , H04N19/154 , H04N19/176 , G06N3/045 , G06N3/084 , G06N3/088 , G06N3/0499 , G06N3/0464
Abstract: 本文公开了基于量化参数处理视频的系统和方法的各个方面。在实施例中，所述方法包括提取用于捕获图像块的纹理信息的多个特征。训练神经网络回归器以映射所提取的多个特征以确定最佳量化参数。通过使用所确定的最佳量化参数对该图像块进行编码。(56)对比文件CN 103597829 A,2014.02.19US 2011235715 A1,2011.09.29US 2014072033 A1,2014.03.13WO 2014052602 A1,2014.04.03赵会玲.面向高清/超高清的感知视频编码的变换量化并行技术研究《.中国优秀硕士学位论文全文数据库 信息科技辑》.2015,第2015年卷(第4期),I136-304.Manri Cheon等.Evaluation of objectivequality metrics for multidimensionalvideo scalability《.Journal of VisualCommunication and Image Representation》.2015,132-145.王飞.关于压缩视频编码转换技术的研究.《中国优秀硕士学位论文全文数据库 信息科技辑》.2015,第2015年卷(第2期),第I136-404页.祝建英.视频编码量化预测及多模块的关联性度量《.中国优秀博硕士学位论文全文数据库(硕士) 信息科技辑》.2014,第2014年卷(第2期),摘要、第1-2章.Jianying Zhu等.A novel quantizationparameter estimation model based onneural network《.2012 InternationalConference on Systems and Informatics(ICSAI2012)》.2012,2020-2023.Jianpeng Dong等.On Model ParameterEstimation for H.264/AVC Rate Control.《2007 IEEE International Symposium onCircuits and Systems》.2007,289-292.
-
公开(公告)号：CN109804410B
公开(公告)日：2023-09-15
申请号：CN201780061360.4
申请日：2017-08-15
Applicant: 索尼公司
Abstract: 自动化的核区域/核数量估计利用两阶段估计框架–首先是区域估计，然后是数量估计。在确定区域信息之后，能够提取每个局部斑块的形状特征以定义局部投票规则。结果得到的投票得分确定每个局部投票峰的强度。投票峰的数量恰好是核的数量。
-
-
公开(公告)号：CN110637460B
公开(公告)日：2021-09-28
申请号：CN201880027382.3
申请日：2018-06-29
Applicant: 索尼公司
IPC: H04N19/124 , H04N19/196 , H04N19/176 , H04N19/136 , G06N3/04 , G06N3/08
Abstract: QP映射方法能够在整个编码的帧中保持一致的视觉质量。它自动将更多位指派给对压缩失真更敏感的图像块。用于QP预测的纹理描述特征被快速计算，并且与深度神经网络一起，能够有效地近似从视觉质量测量推导的底层QP映射策略。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.025 seconds)
