【技术实现步骤摘要】
视频传输方法、装置、电子设备及可读存储介质
[0001]本申请属于人工智能
,具体涉及一种视频传输方法、装置、电子设备及可读存储介质。
技术介绍
[0002]随着互联网视频的爆发式增长,对视频清晰度的要求也越来越高,对视频传输基础设施带来巨大压力。目前,通常采用内容分发网络(Content Delivery Network,CDN)方式进行视频传输,以尽可能降低视频传输时延。但是在互联网用户数量巨大的情况下,仍存在视频传输时延较大的问题。
技术实现思路
[0003]本申请实施例的目的是提供一种视频传输方法、装置、电子设备及可读存储介质,以解决目前存在的视频传输时延较大的问题。
[0004]为了解决上述技术问题,本申请是这样实现的:
[0005]第一方面,提供了一种视频传输方法,应用于服务端,包括:
[0006]获取待传输的目标视频;
[0007]将所述目标视频分解为多个短视频;
[0008]分别对每个所述短视频进行低分辨率处理,获得多个低分辨率视频;
[0009]将所述多个低分辨率视频以及教师模型发送至客户端,其中,所述教师模型能够将所述多个低分辨率视频恢复为高分辨率视频,用于所述客户端获得与所述教师模型对应的学生模型,并利用所述学生模型对所述多个低分辨率视频进行恢复,获得相应的高分辨率视频。
[0010]第二方面,提供了一种视频传输方法,应用于客户端,包括:
[0011]从服务端接收多个低分辨率视频以及教师模型,其中,所述教师模型 ...
【技术保护点】
【技术特征摘要】
1.一种视频传输方法,应用于服务端,其特征在于,包括:获取待传输的目标视频;将所述目标视频分解为多个短视频;分别对每个所述短视频进行低分辨率处理,获得多个低分辨率视频;将所述多个低分辨率视频以及教师模型发送至客户端,其中,所述教师模型能够将所述多个低分辨率视频恢复为高分辨率视频,用于所述客户端获得与所述教师模型对应的学生模型,并利用所述学生模型对所述多个低分辨率视频进行恢复,获得相应的高分辨率视频。2.根据权利要求1所述的方法,其特征在于,所述将所述多个低分辨率视频以及教师模型发送至客户端包括:根据预先建立的服务质量QoS数据流与传输内容之间的映射关系,将所述多个低分辨率视频以及教师模型映射至对应的QoS数据流发送给所述客户端,其中,所述QoS数据流与传输内容之间的映射关系是基于知识蒸馏损失值建立的。3.根据权利要求1所述的方法,其特征在于,所述学生模型的生成器G
S
是基于知识蒸馏,利用所述教师模型的生成器G
T
的模型参数进行优化训练得到,所述知识蒸馏的损失值与以下至少一项相关:结构相似性损失值和感知损失值,其中,所述结构相似性损失值和感知损失值用于衡量所述G
T
的输出p
t
和所述G
S
的输出p
s
之间的差异;噪声损失值,其中,所述噪声损失值用于衡量视频流传输中的损失值;通道损失值,其中,所述通道损失值用于衡量所述G
S
和所述G
T
中的各通道的损失值。4.根据权利要求3所述的方法,其特征在于,所述结构相似性损失值L
SSIM
(p
t
,p
s
)为:其中,μ
s
为p
s
的亮度估计的平均值,μ
t
为p
t
的亮度估计的平均值,为p
s
的对比度的标准偏差,为p
t
的对比度的标准偏差,σ
ts
为p
t
和p
s
的结构相似性估计的协方差,C1和C2为预设常数;和/或,所述感知损失值包括特征重建损失值L
feature
(p
t
,p
s
)和风格重建损失值L
style
(p
t
,p
s
),分别为:),分别为:其中,为教师模型的第j层的激活函数,为学生模型的第j层的激活函数,C
j
H
j
W
j
为第j层的激活函数的尺寸;为教师模型的第j层的格拉姆gram矩阵,为学生模型的第j层的gram矩阵,所述gram矩阵表示不同特征图像通道的特征图
像之间内积;和/或,所述噪声损失值SNR为:其中,N0为基于本地导频图像与从客户端接收的第一导频图像获得的噪声功率,为所述第一导频图像的像素灰度均值,为所述第一导频图像的像素灰度值的方差;和/或,所述通道损失值L
CD
(G
T
,G
S
)为:其中,n为用于模型训练的特征图像的数量,C为特征图像的通道数量,w
ij
为第i个特征图像的第j个...
【专利技术属性】
技术研发人员:梁双春,
申请(专利权)人:中国移动通信集团有限公司,
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。