本公开涉及一种图像预览方法及装置、电子设备和存储介质，所述方法包括：获取目标编码数据，其中，所述目标编码数据是目标编码网络对目标图像进行图像编码之后得到的；利用所述目标编码网络对应的目标预览网络，对所述目标编码数据进行图像解码，得到所述目标图像对应的目标预览图像，其中，所述目标预览图像的分辨率小于所述目标图像的分辨率。本公开实施例可以直接生成分辨率较小且能较好保留目标图像的语义信息的目标预览图像，既可以提高目标预览图像的生成速度，又可以满足用户的预览需求。求。求。
【技术实现步骤摘要】
图像预览方法及装置、电子设备和存储介质
[0001]本公开涉及计算机
，尤其涉及一种图像预览方法及装置、电子设备和存储介质。
技术介绍
[0002]近年来，基于深度学习的端到端图像编码技术取得了迅速而深入的发展。一些新近提出的技术已经在编码速度和编码压缩率上达到或超过了传统的图像编码技术，例如，JPEG、BPG、VVC。目前，端到端图像编码技术已经进入了标准化阶段，可以相信，凭借其优越的性能，端到端图像编码技术将在未来得到广泛应用。在实际使用图像编码时，存在对已经编码得到的编码数据进行图像预览的需求。
技术实现思路
[0003]本公开提出了一种图像预览方法及装置、电子设备和存储介质的技术方案。
[0004]根据本公开的一方面，提供了一种图像预览方法，包括：获取目标编码数据，其中，所述目标编码数据是目标编码网络对目标图像进行图像编码之后得到的；利用所述目标编码网络对应的目标预览网络，对所述目标编码数据进行图像解码，得到所述目标图像对应的目标预览图像，其中，所述目标预览图像的分辨率小于所述目标图像的分辨率。
[0005]在本公开实施例中，获取目标编码网络对目标图像进行图像编码之后得到的目标编码数据，利用目标编码网络对应的目标预览网络，对目标编码数据进行图像解码，从而可以直接生成，分辨率较小且能较好保留目标图像的语义信息的目标预览图像，既可以提高目标预览图像的生成速度，又可以满足用户的预览需求。
[0006]在一种可能的实现方式中，所述目标编码数据是对所述目标图像对应的K组目标通道特征依次进行熵编码得到的；所述利用所述目标编码网络对应的目标预览网络，对所述目标编码数据进行图像解码，得到所述目标图像对应的目标预览图像，包括：对所述目标编码数据进行熵解码，依次得到所述目标图像对应的第1组至第N组目标通道特征，其中，N＜K；利用所述目标预览网络，对所述第1组至第N组目标通道特征进行图像解码，得到所述目标预览图像。
[0007]由于目标图像的语义信息集中在靠前熵编码的几组目标通道特征的码流数据中，因此，可以仅对靠前熵编码的N组目标通道特征的部分码流数据进行熵解码，进而仅利用目标预览网络对解码得到的前N组目标通道特征进行图像解码，就可以直接生成小分辨率且能较好保留目标图像的原始语义信息的目标预览图像，有效提高了生成目标预览图像的速度。
[0008]在一种可能的实现方式中，所述目标预览图像包括N个渐进式目标预览图像；所述利用所述目标预览网络，对所述第1组至第N组目标通道特征进行图像解码，得到所述目标预览图像，包括：在解码得到第1组至第i组目标通道特征，且未解码得到第i+1组至第N组目标通道特征的情况下，分别对所述第i+1组至第N组目标通道特征的熵参数进行零值填充，
得到所述第i+1组至第N组目标通道特征的填充熵参数，其中，i≥1；将所述第1组至第i组目标通道特征、所述第i+1组至第N组目标通道特征的填充熵参数，输入所述目标预览网络，得到第i个渐进式目标预览图像。
[0009]对未解码的目标通道特征的熵参数进行零值填充，可以有效降低未解码的目标通道特征的熵参数的确定时间，从而有效提高每一个渐进式目标预览图像的生成速度，减少用户等待时间，提高用户体验。
[0010]在一种可能的实现方式中，所述方法还包括：对所述目标预览图像进行上采样，得到所述目标图像对应的目标解码图像，其中，所述目标解码图像与所述目标图像具有相同的分辨率。
[0011]对分辨率较小的目标预览图像进行上采样，得到恢复目标图像分辨率的目标解码图像，从而可以有效满足用户查看分辨率较大的清晰图像的需求。
[0012]在一种可能的实现方式中，在利用所述目标预览网络，对所述目标编码数据进行图像解码之前，所述方法还包括：利用所述目标编码网络，对样本图像进行图像编码，得到所述样本图像的样本编码数据；利用初始预览网络，对所述样本编码数据进行图像解码，得到所述样本图像对应的预测预览图像，其中，所述预测预览图像的分辨率小于所述样本图像的分辨率；基于所述预测预览图像，确定所述样本图像对应的预测解码图像；利用所述样本图像和所述预测解码图像，对所述初始预览网络进行网络训练，得到所述目标预览网络。
[0013]利用目标编码网络，对样本图像进行图像编码，得到样本图像的样本编码数据，利用初始预览网络，对样本编码数据进行图像解码，得到样本图像对应的分辨率较小的预测预览图像，基于预测预览图像，确定样本图像对应的预测解码图像，利用样本图像和预测解码图像，对初始预览网络进行网络训练，以使得可以得到训练好的目标预览网络，为目标编码网络的编码数据直接生成，分辨率较小且能较好保留图像的原始语义信息的预览图像，既可以提高预览图像的生成速度，又可以满足用户的预览需求。
[0014]在一种可能的实现方式中，所述样本编码数据是对所述样本图像对应的K组样本通道特征依次进行熵编码得到的；所述利用初始预览网络，对所述样本编码数据进行图像解码，得到所述样本图像对应的预测预览图像，包括：对所述样本编码数据进行熵解码，得到所述样本图像对应的第1组至第N组样本通道特征；利用所述初始预览网络，对所述第1组至第N组样本通道特征进行图像解码，得到所述预测预览图像。
[0015]由于样本图像的原始语义信息集中在靠前熵编码的几组样本通道特征的码流数据中，因此，可以仅对靠前熵编码的N组样本通道特征的部分码流数据进行熵解码，进而仅利用初始预览网络对解码得到的前N组样本通道特征进行图像解码，就可以直接生成小分辨率且能较好保留样本图像的原始语义信息的预测预览图像，有效提高了生成预测预览图像的速度。
[0016]在一种可能的实现方式中，所述样本编码数据中包括每组样本通道特征对应的码流数据；所述对所述样本编码数据进行熵解码，得到所述样本图像对应的第1组至第N组样本通道特征，包括：确定第1组样本通道特征的熵参数，以及利用所述第1组样本通道特征的熵参数，对所述第1组样本通道特征对应的码流数据进行熵解码，得到所述第1组样本通道特征；在i>1的情况下，基于解码得到的第1组至第i
‑
1组样本通道特征，确定第i组样本通道特征的熵参数，以及利用所述第i组样本通道特征的熵参数，对所述第i组样本通道特征对
应的码流数据进行熵解码，得到所述第i组样本通道特征。
[0017]在对第1组至第N组样本通道特征依次进行熵解码时，除了第1组样本通道特征，剩余的其它任意第i组样本通道特征，均以之前已经完成熵解码的第1组至第i
‑
1组样本通道特征作为上下文信息，从而准确解码得到第1组至第N组样本通道特征。
[0018]在一种可能的实现方式中，所述预测预览图像包括N个渐进式预测预览图像；所述利用所述初始预览网络，对所述第1组至第N组样本通道特征进行图像解码，得到所述预测预览图像，包括：在解码得到第1组至第i组样本通道特征，且未解码得到第i+1组至第N组样本通道特征的情况下，分别对所述第i+1组至第N组样本通道特征的熵参数进行本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种图像预览方法，其特征在于，包括：获取目标编码数据，其中，所述目标编码数据是目标编码网络对目标图像进行图像编码之后得到的；利用所述目标编码网络对应的目标预览网络，对所述目标编码数据进行图像解码，得到所述目标图像对应的目标预览图像，其中，所述目标预览图像的分辨率小于所述目标图像的分辨率。2.根据权利要求1所述的方法，其特征在于，所述目标编码数据是对所述目标图像对应的K组目标通道特征依次进行熵编码得到的；所述利用所述目标编码网络对应的目标预览网络，对所述目标编码数据进行图像解码，得到所述目标图像对应的目标预览图像，包括：对所述目标编码数据进行熵解码，依次得到所述目标图像对应的第1组至第N组目标通道特征，其中，N＜K；利用所述目标预览网络，对所述第1组至第N组目标通道特征进行图像解码，得到所述目标预览图像。3.根据权利要求2所述的方法，其特征在于，所述目标预览图像包括N个渐进式目标预览图像；所述利用所述目标预览网络，对所述第1组至第N组目标通道特征进行图像解码，得到所述目标预览图像，包括：在解码得到第1组至第i组目标通道特征，且未解码得到第i+1组至第N组目标通道特征的情况下，分别对所述第i+1组至第N组目标通道特征的熵参数进行零值填充，得到所述第i+1组至第N组目标通道特征的填充熵参数，其中，i≥1；将所述第1组至第i组目标通道特征、所述第i+1组至第N组目标通道特征的填充熵参数，输入所述目标预览网络，得到第i个渐进式目标预览图像。4.根据权利要求1至3中任意一项所述的方法，所述方法还包括：对所述目标预览图像进行上采样，得到所述目标图像对应的目标解码图像，其中，所述目标解码图像与所述目标图像具有相同的分辨率。5.根据权利要求1至4中任意一项所述的方法，其特征在于，在利用所述目标预览网络，对所述目标编码数据进行图像解码之前，所述方法还包括：利用所述目标编码网络，对样本图像进行图像编码，得到所述样本图像的样本编码数据；利用初始预览网络，对所述样本编码数据进行图像解码，得到所述样本图像对应的预测预览图像，其中，所述预测预览图像的分辨率小于所述样本图像的分辨率；基于所述预测预览图像，确定所述样本图像对应的预测解码图像；利用所述样本图像和所述预测解码图像，对所述初始预览网络进行网络训练，得到所述目标预览网络。6.根据权利要求5所述的方法，其特征在于，所述样本编码数据是对所述样本图像对应的K组样本通道特征依次进行熵编码得到的；所述利用初始预览网络，对所述样本编码数据进行图像解码，得到所述样本图像对应的预测预览图像，包括：
对所述样本编码数据进行熵解码，得到所述样本图像对应的第1组至第N组样本通道特征，其中，N＜K；利用所述初始预览网络，对所述第1组至第N组样本通道特征进行图像解码，得到...
【专利技术属性】
技术研发人员：何岱岚，彭维崑，王岩，秦红伟，
申请(专利权)人：北京市商汤科技开发有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。