神经图像压缩中的逐块熵编码方法技术

提供了神经图像压缩中的逐块熵编码方法的系统和方法。一种方法包括：接收包括图像的码流；将图像分区成多个块；由基于神经网络的编码器压缩多个块中的每一个块；通过获得图像中的多个块中的每个块的压缩特征，来获得压缩特征；由熵编码器处理压缩特征以生成第一压缩码流；通过级联压缩特征获得多个重塑的压缩特征；由熵编码器处理多个重塑的压缩特征以生成第二压缩码流；以及基于第二压缩码流对包括图像的码流进行编码。像的码流进行编码。

【技术实现步骤摘要】
【国外来华专利技术】神经图像压缩中的逐块熵编码方法
交叉引用
[0001]本申请要求于2021年6月18日提交的美国临时申请第63/212,469号的优先权，该临时申请的公开内容通过引用整体结合在本申请中。


[0002]本公开的实施例涉及神经图像压缩中的逐块熵编码系统和方法。

技术介绍

[0003]在基于深度神经网络的视频或图像编码框架中，通过利用大量训练数据集和复杂的加工学习算法，可以从输入到输出联合地优化不同的模块，以改善最终目标(例如，最小化速率失真损失)。相比之下，传统的混合视频编解码器通常专注于优化单个模块，这可能不会导致整体性能的编码增益。因此，端到端(E2E，end
‑
to
‑
end)优化的神经图像压缩(NIC，Neural Image Compression)被设计为整体优化以实现更好的编码性能。
[0004]最近，ISO/IEC MPEG(JTC 1/SC 29/WG 11)一直在积极地寻找未来视频编码技术标准化的潜在需求。ISO/IEC JPEG建立了专注于基于AI的端到端神经图像压缩本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.一种由视频编码器中的至少一个处理器执行的方法，其特征在于，所述方法包括：接收包括图像的码流；将所述图像分区成多个块；由基于神经网络的编码器压缩所述多个块中的每一个块；通过获得所述图像中的所述多个块中的每个块的压缩特征，来获得压缩特征；由熵编码器处理所述压缩特征以生成第一压缩码流；通过级联所述压缩特征获得多个重塑的压缩特征；由所述熵编码器处理所述多个重塑的压缩特征以生成第二压缩码流；以及基于所述第二压缩码流对包括所述图像的所述码流进行编码。2.根据权利要求1的方法，其特征在于，所述获得压缩特征包括获得压缩特征块；并且所述级联所述压缩特征包括：将所述压缩特征块级联为重塑的压缩特征块，所述重塑的压缩特征块大于所述压缩特征块。3.根据权利要求2所述的方法，其特征在于，所述压缩特征块或所述重塑的压缩特征块各自均为正方形。4.根据权利要求2所述的方法，其特征在于，所述压缩特征块或所述重塑的压缩特征块各自均为矩形。5.根据权利要求2所述的方法，其特征在于，所述重塑的压缩特征块彼此形状相同。6.根据权利要求2所述的方法，其特征在于，至少两个所述重塑的压缩特征块彼此形状不同。7.根据权利要求2所述的方法，其特征在于，所述重塑的压缩特征块彼此尺寸相同。8.根据权利要求2所述的方法，其特征在于，至少两个所述重塑的压缩特征块彼此尺寸不同。9.根据权利要求1所述的方法，其特征在于，所述对所述码流进行编码包括：在已编码码流中包含指示符，所述指示符指示所述压缩特征是被级联。10.根据权利要求1所述的方法，其特征在于，进一步包括将所述已编码码流发送至解码器。11.一种系统，其特征在于，包括：至少一个存储器，被配置为存储计算机程序代码；以及至少一个处理器，被配置为访问所述计算机程序代码，并如所述计算机程序代码所指示的进行操作，所述计算机程序代码包括编码代码，所述编码代码被配置为使所述至少一个处理器：将码流中的图像分区成多个块；由基于神经网络的编码器压缩所述多个块中的每一个块；通过获得...

【专利技术属性】
技术研发人员：林晟，蒋薇，刘杉，王炜，
申请(专利权)人：腾讯美国有限责任公司，
类型：发明
国别省市：