可学习视频编码方法、系统、设备及存储介质技术方案

本发明专利技术公开了一种可学习视频编码方法、系统、设备及存储介质，将当前待编码帧与参考帧分别进行空间分解，得到低频结构部分和高频细节部分，分别对视频的低频结构部分和高频细节部分进行运动估计，经过空间分解，两帧(即当前待编码帧与参考帧)的低频结构的运动包含了原本两帧更为一致的运动，局部区域的运动差异减小，而两帧的高频细节部分的运动包含了原本不一致性运动的残差，并且对参考特征也进行空间分解，得到参考特征的低频结构部分和高频细节部分；通过先进行空间分解再进行运动估计，可以更准确估计出运动矢量，从而更好的进行后续编码工作，以提升编码性能。

【技术实现步骤摘要】

本专利技术涉及视频编码，尤其涉及一种可学习视频编码方法、系统、设备及存储介质。

技术介绍

1、视频作为一种多媒体数据形式，在广播电视、手机直播、道路监控、智慧城市等领域被广泛应用。对于一个分辨率为1080p、每秒30帧的视频，其数据量可以达到每秒180mbytes(兆字节)。庞大的数据量，造成了巨大的视频的传输与存储代价。因此，在传输与存储前，通常需要压缩视频的大小，将视频编码为更紧凑的码流，以减小其传输与存储代价。

2、传统视频编码标准，如h.264/avc、h.265/hevc、h.266/vvc，大都采用基于块的混合编码框架，包含基于块的运动预测、运动补偿、变换、量化、熵编码等模块。尽管传统视频编码标准已取得了巨大的成功，但其编码性能也陷入瓶颈，想要取得更大的编码性能也愈加困难。近年来，基于神经网络的可学习视频编码方法开启了一个新的方向，为取得更大的编码性能带来了希望。可学习的视频编码方法利用神经网络实现了传统混合编码框架中的各个编码模块，利用率失真(rdo)函数，联合训练所有编码模块。

3、已有的可学习条件编码方法主要可以分本文档来自技高网...

【技术保护点】

1.一种可学习视频编码方法，其特征在于，包括：

2.根据权利要求1所述的一种可学习视频编码方法，其特征在于，所述步骤1中：

3.根据权利要求1所述的一种可学习视频编码方法，其特征在于，所述步骤2中：

4.根据权利要求1所述的一种可学习视频编码方法，其特征在于，所述步骤3中：

5.根据权利要求1所述的一种可学习视频编码方法，其特征在于，所述步骤4中：

6.根据权利要求1～5任一项所述的一种可学习视频编码方法，其特征在于，步骤1通过基于结构与细节分解的运动估计模块实现，步骤2通过基于结构与细节分解的运动矢量编码网络实现，步骤3通过基...

【技术特征摘要】

1.一种可学习视频编码方法，其特征在于，包括：

2.根据权利要求1所述的一种可学习视频编码方法，其特征在于，所述步骤1中：

3.根据权利要求1所述的一种可学习视频编码方法，其特征在于，所述步骤2中：

4.根据权利要求1所述的一种可学习视频编码方法，其特征在于，所述步骤3中：

5.根据权利要求1所述的一种可学习视频编码方法，其特征在于，所述步骤4中：

6.根据权利要求1～5任一项所述的一种可学习视频编码方法，其特征在于，步骤1通过基于结构与细节分解的运动估计模块实现，步骤2通过基于结构与细节分解的运动矢量编码网络实现，步骤3通过基于结构与细节分解的时域上下...

【专利技术属性】
技术研发人员：李礼，盛锡华，刘东，李厚强，
申请(专利权)人：中国科学技术大学，
类型：发明
国别省市：