【技术实现步骤摘要】
多媒体数据编码方法、装置、设备以及介质
[0001]本申请涉及多媒体编解码
,尤其涉及一种多媒体数据编码方法、装置、设备以及介质。
技术介绍
[0002]量化是多媒体数据(例如,视频、音频、图像等)编码技术的核心过程,依赖性标量量化(Dependent Quantization,DQ)作为多媒体数据编码技术中的一种量化方式,可以实现对多媒体数据的压缩处理,以提升编码效率。然而,依赖性标量量化在计算率失真损失时,需要耗费大量的计算开销执行上下文建模,造成率失真损失的计算速度过低。
技术实现思路
[0003]本申请实施例提供一种多媒体数据编码方法、装置、设备以及介质,可以减少上下文建模,并提高率失真损失的优化速度。
[0004]本申请实施例一方面提供了一种多媒体数据编码方法,包括:
[0005]获取多媒体数据中的变换块对应的M个候选量化状态链;M个候选量化状态链由变换块中的每个变换系数对应的量化状态所确定的,M为正整数;
[0006]获取变换块中的变换系数i对应的N个语法元素,基于N个语法元素中的K个语法元素分别对应的预配置模型标识,获取K个语法元素分别对应的固定概率模型;i为小于或等于变换块所包含的系数数量的正整数,N和K均为正整数,且K小于N;
[0007]根据变换系数i对应的相邻编码系数,为(N
‑
K)个语法元素进行上下文建模,得到(N
‑
K)个语法元素分别对应的目标概率模型;
[0008]根据固定概率模型对K个语法元 ...
【技术保护点】
【技术特征摘要】
1.一种多媒体数据编码方法,其特征在于,包括:获取多媒体数据中的变换块对应的M个候选量化状态链;所述M个候选量化状态链由所述变换块中的每个变换系数对应的量化状态所确定的,M为正整数;获取所述变换块中的变换系数i对应的N个语法元素,基于所述N个语法元素中的K个语法元素分别对应的预配置模型标识,获取所述K个语法元素分别对应的固定概率模型;i为小于或等于所述变换块所包含的系数数量的正整数,N和K均为正整数,且K小于N;根据所述变换系数i对应的相邻编码系数,为(N
‑
K)个语法元素进行上下文建模,得到所述(N
‑
K)个语法元素分别对应的目标概率模型;根据所述固定概率模型对所述K个语法元素的预编码结果、所述目标概率模型对所述(N
‑
K)个语法元素的预编码结果,以及所述变换系数i对应的量化重构数值,确定所述变换系数i对应的系数率失真损失;根据所述变换块中的每个变换系数分别对应的系数率失真损失,确定所述M个候选量化状态链分别对应的路径率失真损失。2.根据权利要求1所述的方法,其特征在于,所述多媒体数据包括视频帧图像;所述方法还包括:获取所述视频帧图像,根据所述视频帧图像对应的单元分配信息,对所述视频帧图像进行划分,得到至少两个像素区域;按照所述至少两个像素区域之间的编码顺序,从所述至少两个像素区域中确定所述变换块。3.根据权利要求1所述的方法,其特征在于,所述获取多媒体数据中的变换块对应的M个候选量化状态链,包括:获取所述多媒体数据的变换块中所包含的变换系数i和变换系数(i+1),根据第一量化器和第二量化器,获取所述变换系数i在T个量化状态下的量化值;所述第一量化器和所述第二量化器分别包括T/2个量化状态,T为大于1的正整数;根据所述变换系数i的量化状态下的量化值的奇偶性,确定所述变换系数i的量化状态对应的后继量化状态,将所述后继量化状态确定为所述变换系数(i+1)的量化状态;所述后继量化状态属于所述T个量化状态;根据所述变换系数i的量化状态,以及所述变换系数(i+1)的量化状态,生成所述变换块对应的M个候选量化状态链。4.根据权利要求1所述的方法,其特征在于,所述获取所述变换块中的变换系数i对应的N个语法元素,基于所述N个语法元素中的K个语法元素分别对应的预配置模型标识,获取所述K个语法元素分别对应的固定概率模型,包括:获取所述变换块中的变换系数i对应的N个语法元素,从所述N个语法元素中获取携带所述预配置模型标识的K个语法元素;在所述变换系数i对应的T个量化状态下,获取所述K个语法元素分别对应的第一概率模型集合,在所述第一概率模型集合中,将与所述预配置模型标识相匹配的概率模型,确定为所述K个语法元素分别对应的固定概率模型;T为大于1的正整数。5.根据权利要求1所述的方法,其特征在于,所述根据所述变换系数i对应的相邻编码系数,为(N
‑
K)个语法元素进行上下文建模,得到用于编码所述(N
‑
K)个语法元素的目标概
率模型,包括:在所述多媒体数据中获取所述变换系数i在目标量化状态下的相邻编码系数,获取所述相邻编码系数中的(N
‑
K)个已编码的语法元素;所述目标量化状态属于T个量化状态,T为大于1的正整数;在所述目标量化状态下,获取所述变换系数i的(N
‑
K)个语法元素分别对应的第二概率模型集合;根据所述相邻编码系数对应的(N
‑
K)个已编码的语法元素,从所述第二概率模型集合中为所述变换系数i的(N
‑
K)个语法元素分配目标概率模型。6.根据权利要求5所述的方法,其特征在于,所述根据所述相邻编码系数对应的(N
‑
K)个已编码的语法元素,从所述第二概率模型集合中为所述变换系数i的(N
‑
K)个语法元素分配目标概率模型,包括:根据所述相邻编码系数对应的(N
‑
K)个已编码的语法元素,获取所述相邻编码系数中的编码重构绝对值,根据所述编码重构绝对值,获取所述相邻编码系数对应的全局重构累计数值和局部重构累计数值;获取所述变换块中的非零值数量,获取所述变换系数i在所述变换块中的水平坐标和垂直坐标,将所述水平坐标和垂直坐标之和确定为所述变换系数i对应的对角线位置;根据所述全局重构累计数值、所述局部重构累计数值、所述非零值数量以及所述对角线位置,从所述第二概率模型集合中为所述变换系数i的(N
‑
K)个语法元素分配目标概率模型。7.根据权利要求1所述的方法,其特征在于,所述根据所述固定概率模型对所述K个语法元素的预编码结果、所述目标概率模型对所述(N
‑
K)个语法元素的预编码结果,以及所述变换系数i对应的量化重构数值,确定所述变换系数i对应的系数率失真损失,包括:根据所述固定概率模型对所述K个语法元素的预编码结果,以及所述目标概率模型对所述(N
‑
K)个语法元素的预编码结果,获取所述变换系数i在T个量化状态下的码率损失;T为大于1的正整数;通过第一量化器和第二量化器,获取所述变换系数i对应...
【专利技术属性】
技术研发人员:何召亮,张红,谷沉沉,
申请(专利权)人:腾讯科技深圳有限公司,
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。