用于视频编解码的系统和方法技术方案

本公开的实施例提供用于视频编解码的系统和方法。所述方法可包括根据基于神经网络的环路滤波(NNLF)将重建块的重建样点分类为一组类别。重建块包括来自视频的视频帧的视频块的重建版本。所述方法还可包括基于重建样点的分类来确定针对一组类别的一组偏移。所述方法可另外包括响应于对重建块执行NNLF，基于一组偏移对经NNLF滤波的样点执行SAO滤波。经NNLF滤波的样点使用NNLF从重建样点被生成。滤波的样点使用NNLF从重建样点被生成。滤波的样点使用NNLF从重建样点被生成。

【技术实现步骤摘要】
用于视频编解码的系统和方法
[0001]相关申请的交叉引用
[0002]本申请基于并要求于2021年04月07日提交的美国临时申请No.63/171,979的优先权，其内容通过引用整体并入本文。


[0003]本申请涉及视频编解码和压缩。更具体地，本申请涉及用于将基于神经网络的样点自适应偏移(SAO)应用于视频编解码的系统和方法。

技术介绍

[0004]各种电子设备(诸如数字电视、膝上型计算机或台式计算机、平板计算机、数码相机、数字记录设备、数字媒体播放器、视频游戏机、智能电话、视频电话会议设备、视频流设备等)都支持数字视频。电子设备通过通信网络发送和接收或以其它方式传送数字视频数据，和/或将数字视频数据存储在存储设备上。由于通信网络的有限带宽容量和存储设备的有限存储资源，视频编解码可被用于在传送或存储视频数据之前根据一个或多个视频编解码标准来压缩视频数据。例如，视频编解码标准包括通用视频编码(VVC)、联合探索测试模型(JEM)、高效视频编解码(HEVC/H.265)、高级视频编解码(AVC/H.264)、运动图像专家组(MPE本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于将基于神经网络的样点自适应偏移SAO应用于视频编解码的计算机实施的方法，包括：由视频处理器根据基于神经网络的环路滤波NNLF将重建块的重建样点分类为一组类别，其中所述重建块包括来自视频的视频帧的视频块的重建版本；由所述视频处理器基于所述重建样点的分类来确定针对所述一组类别的一组偏移；并且响应于对所述重建块执行所述NNLF，由所述视频处理器基于所述一组偏移对经NNLF滤波的样点执行SAO滤波，其中所述经NNLF滤波的样点是使用所述NNLF从所述重建样点产生的。2.根据权利要求1所述的方法，其中将所述重建样点分类为所述一组类别还包括以下至少一个：对所述重建样点执行纹理边缘分类以将所述重建样点分类为一组纹理边缘类别；或对所述重建样点执行平均强度分类以将所述重建样点分类为一组平均强度类别。3.根据权利要求2所述的方法，其中对所述重建样点执行纹理边缘分类以将所述重建样点分类为一组纹理边缘类别包括：对所述重建样点执行所述NNLF以产生所述经NNLF滤波的样点；并且基于类别阈值以及所述重建样点与相应的经NNLF滤波的样点之间的样点差，将每个重建样点分类为相应的纹理边缘类别。4.根据权利要求3所述的方法，其中所述一组纹理边缘类别包括第一类别的纹理边缘样点、第二类别的纹理边缘样点和第三类别的纹理边缘样点，并且将每个重建样点分类为相应的纹理边缘类别包括：响应于所述重建样点与相应的经NNLF滤波的样点之间的样点差的绝对值小于T，将所述重建样点分类为所述第一类别的纹理边缘样点，其中T表示所述类别阈值的正阈值；响应于所述重建样点与相应的经NNLF滤波的样点之间的样点差等于或大于T，将所述重建样点分类为所述第二类别的纹理边缘样点；或响应于所述重建样点与相应的经NNLF滤波的样点之间的样点差等于或小于
‑
T，将所述重建样点分类为所述第三类别的纹理边缘样点。5.根据权利要求3所述的方法，其中基于所述重建样点的分类确定针对所述一组类别的所述一组偏移包括：基于所述重建样点的纹理边缘分类来确定针对所述一组纹理边缘类别的一组纹理边缘偏移。6.根据权利要求5所述的方法，其中基于所述重建样点的纹理边缘分类来确定针对所述一组纹理边缘类别的一组纹理边缘偏移包括：对于所述一组纹理边缘类别中的每个纹理边缘类别，确定被分类为该纹理边缘类别的所述重建样点的子集；确定与所述重建样点的所述子集相应的所述经NNLF滤波的样点的子集；并且基于所述重建样点的所述子集和所述经NNLF滤波的样点的所述子集来确定针对该纹理边缘类别的纹理边缘偏移。7.根据权利要求6所述的方法，其中确定针对该纹理边缘类别的纹理边缘偏移包括：
从预定偏移范围确定一组候选偏移；对于每个候选偏移，计算所述重建样点的所述子集与所述经NNLF滤波的样点的所述子集之间的聚合失真，使得分别针对所述一组候选偏移计算一组聚合失真；并且从所述一组候选偏移中选择具有所述一组聚合失真中的最小聚合失真的候选偏移作为针对该纹理边缘类别的纹理边缘偏移。8.根据权利要求5所述的方法，还包括：在预定阈值范围内修改所述类别阈值的阈值；基于修改后的所述阈值将所述重建样点重新分类为所述一组纹理边缘类别；并且基于修改后的所述阈值和所述重建样点的重新分类，产生针对所述一组纹理边缘类别的一组新的纹理边缘偏移。9.根据权利要求8所述的方法，还包括：确定与所述阈值相关联的第一聚合类别失真是否大于与修改后的所述阈值相关联的第二聚合类别失真；并且响应于所述第一聚合类别失真大于所述第二聚合类别失真，用修改后的所述阈值更新所述阈值；并且用所述一组新的纹理边缘偏移来更新所述一组纹理边缘偏移。10.根据权利要求2所述的方法，其中所述一组平均强度类别包括NNLF样点的类别和非NNLF样点的类别，并且对所述重建样点执行平均强度分类以将所述重建样点分类为一组平均强度类别包括：确定是否对所述重建块执行所述NNLF；响应于确定对所述重建块执行所述NNLF，将所述重建样点分类为所述NNLF样点的类别；或响应于确定不对所述重建块执行所述NNLF，将所述重建样点分类为所述非NNLF样点的类别。11.根据权利要求10所述的方法，其中基于所述重建样点的分类来确定针对所述一组类别的一组偏移包括：基于所述重建样点的平均强度分类来确定针对所述一组平均强度类别的一组平均强度偏移。12.根...

【专利技术属性】
技术研发人员：陈伟，修晓宇，郭哲瑋，陈漪纹，朱弘正，王祥林，于冰，
申请(专利权)人：北京达佳互联信息技术有限公司，
类型：发明
国别省市：