【技术实现步骤摘要】
一种视频处理方法及其相关设备
[0001]本申请涉及人工智能(artificial intelligence,AI)技术,尤其涉及一种视频处理方法及其相关设备。
技术介绍
[0002]随着技术的飞速发展,视频已经成为了最重要的信息传播载体。为了增强视频的画质,可以通过能够实现超分辨率(super resolution,SR)重建功能的神经网络模型,来提高视频流中各个视频帧的分辨率,从而提供高质量、高分辨率的视频供用户观看。
[0003]目前,在待超分的视频流中,若需要提高当前视频帧的分辨率,可将当前视频帧以及当前视频帧的参考视频帧(例如,当前视频帧的前一视频帧和/或后一视频帧等等)输入至神经网络模型,以使得神经网络模型基于参考视频帧对当前视频帧进行超分辨率重建(也可以称为超分),得到超分后的当前视频帧。
[0004]可见,在针对当前视频帧的超分过程中,神经网络模型仅以参考视频帧自身为参考基准,所考虑的因素较为单一,神经网络模型输出的超分后的当前视频帧不够优质(无法具备理想的分辨率),以致于超分后的整个视频流的画质依旧不够良好,导致用户体验不佳。
技术实现思路
[0005]本申请实施例提供了一种视频处理方法及其相关设备,对视频流中的视频帧具有良好的超分效果,可以使得超分后的整个视频流具备良好的画质,进而提高用户体验。
[0006]本申请实施例的第一方面提供了一种视频处理方法,该方法包括:
[0007]当需要对已解码的当前视频帧进行超分辨率重建时,可先获取当前视频帧以及当前 ...
【技术保护点】
【技术特征摘要】
1.一种视频处理方法,其特征在于,所述方法包括:获取当前视频帧,以及所述当前视频帧的解码过程中所使用的运动矢量;基于所述运动矢量对所述当前视频帧的参考视频帧的特征信息进行变换,得到变换后的特征信息,所述参考视频帧的特征信息在目标模型对所述参考视频帧的超分过程中得到;通过所述目标模型基于所述变换后的特征信息对所述当前视频帧进行超分,得到超分后的当前视频帧。2.根据权利要求1所述的方法,其特征在于,所述基于所述运动矢量对所述参考视频帧的特征信息进行变换,得到变换后的特征信息包括:通过扭曲算法对所述运动矢量以及所述参考视频帧的特征信息进行计算,得到变换后的特征信息。3.根据权利要求1或2所述的方法,其特征在于,所述通过所述目标模型基于所述变换后的特征信息对所述当前视频帧进行超分,得到超分后的当前视频帧包括:通过所述目标模型对所述当前视频帧进行特征提取,得到所述当前视频帧的第一特征;通过所述目标模型对所述变换后的特征信息以及所述第一特征进行融合,得到所述当前视频帧的第二特征;通过所述目标模型对所述第二特征进行特征提取,得到所述当前视频帧的第三特征,所述第三特征作为超分后的当前视频帧。4.根据权利要求3所述的方法,其特征在于,所述方法还包括:通过所述目标模型对所述第三特征以及所述当前视频帧进行融合,得到超分后的当前视频帧。5.根据权利要求4所述的方法,其特征在于,所述第三特征或所述超分后的当前视频帧作为所述当前视频帧的特征信息。6.根据权利要求4所述的方法,其特征在于,所述方法还包括:通过所述目标模型对所述第三特征或所述超分后的当前视频帧进行特征提取,得到所述当前视频帧的特征信息。7.根据权利要求1至6任意一项所述的方法,其特征在于,所述当前视频帧包含N个图像块,所述获取当前视频帧的解码过程中所使用的运动矢量包括:从压缩视频流中,获取所述当前视频帧中M个图像块的解码过程中所使用的运动矢量,N≥2,N>M≥1;基于所述M个图像块的解码过程中所使用的运动矢量,计算N
‑
M个图像块的解码过程中所使用的运动矢量,或,将预设值确定为所述N
‑
M个图像块的解码过程中所使用的运动矢量。8.一种视频处理方法,其特征在于,所述方法包括:获取当前视频帧,以及所述当前视频帧的解码过程中所使用的残差信息;通过目标模型基于所述参考视频帧的特征信息以及所述残差信息,对所述当前视频帧进行超分,得到超分后的当前视频帧,所述参考视频帧的特征信息在所述目标模型对所述参考视频帧的超分处理中得到。
9.根据权利要求8所述的方法,其特征在于,所述通过所述目标模型基于所述参考视频帧的特征信息以及所述残差信息,对所述当前视频帧进行超分,得到超分后的当前视频帧包括:通过所述目标模型对所述当前视频帧进行特征提取,得到所述当前视频帧的第一特征;通过所述目标模型对所述参考视频帧的特征信息以及所述第一特征进行融合,得到所述当前视频帧的第二特征;通过所述目标模型对所述第二特征进行特征提取,得到所述当前视频帧的第三特征;通过所述目标模型基于所述残差信息对所述第三特征进行特征提取,得到所述当前视频帧的第四特征,所述第四特征作为超分后的当前视频帧。10.根据权利要求9所述的方法,其特征在于,所述残差信息包含所述当前视频帧中N个图像块的解码过程中所使用的残差信息,所述通过所述目标模型基于所述残差信息对所述第三特征进行特征提取,得到所述当前视频帧的第四特征包括:通过所述目标模型在所述N个图像块中,确定残差信息大于预置的残差阈值的P个图像块,N≥2,N>P≥1;通过所述目标模型对所述第三特征中与所述P个图像块对应的特征进行特征提取,得到所述当前视频帧的第四特征。11.根据权利要求9或10所述的方法,其特征在于,所述方法还包括:通过所述目标模型对所述第四特征以及所述当前视频帧进行融合,得到超分后的当前视频帧。12.根据权利要求11所述的方法,其特征在于,所述第三特征、所述第四特征或所述超分后的当前视频帧作为所述当前视频帧的特征信息。13.根据权利要求11所述的方法,其特征在于,所述方法还包括:通过所述目标模型对所述第三特征、所述第四特征或所述超分后的当前视频帧进行特征提取,得到所述当前视频帧的特征信息。14.一种模型训练方法,其特征在于,所述方法包括:获取当前视频...
【专利技术属性】
技术研发人员:郭佳明,邹学益,刘毅,张恒胜,
申请(专利权)人:华为技术有限公司,
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。