一种基于神经网络的VVC多层次快速帧间编码系统及方法技术方案

本发明专利技术公开了一种基于神经网络的VVC多层次快速帧间编码系统及方法。本发明专利技术包括基于运动场与编码信息的CU划分终止模块；基于轻量级全连接网络的CTU深度预测模块；基于编码信息的TT划分终止模块；基于CNN的CU划分模式选择模块；通过四个模块之间多层次的组合，避免冗余的划分方式，降低帧间编码复杂度。本发明专利技术针对帧间编码的特性，利用编码上下文信息和神经网络的特征提取能力，从多个层次出发，各层次相互结合，兼顾复杂度与准确性，有效的降低了VVC帧间编码复杂度。

【技术实现步骤摘要】

本专利技术属于通用视频编码(vvc)，尤其涉及一种基于神经网络的vvc多层次快速帧间编码系统及方法。

技术介绍

1、随着互联网多媒体技术的高速发展，智能手机、平板电脑和智能电视等设备快速普及，用户对高质量视频的需求也在不断增加。高清晰度、高帧率和高动态范围等特性的视频成为用户期望的标准。vvc编码标准应运而生，以适应这一数字时代的挑战。

2、此外，云计算、大数据和人工智能等先进技术的快速发展，为视频编码带来了新的机遇和挑战。vvc标准的制定考虑了这些技术的融合应用，致力于提供更高效、更智能的视频编码解决方案。同时，vvc还注重了对网络带宽的利用效率，尤其在移动网络环境下，通过优化视频压缩算法，实现了更低的比特率和更好的网络适应性。

3、vvc相对于上一代视频编码标准(high efficiency video coding)引入了多类型树划分mtt(multi-type tree)的划分方式，同时在帧间编码模式上引入了仿射运动估计模型，双向光流(bi-directional optical flow，bdof)，自适应运动矢量精度(本文档来自技高网...

【技术保护点】

1.一种基于神经网络的VVC多层次快速帧间编码系统，其特征在于，包括

2.根据权利要求1所述的一种基于神经网络的VVC多层次快速帧间编码系统，其特征在于基于运动场与编码信息的CU划分终止模块，具体实现包括：

3.根据权利要求1所述的一种基于神经网络的VVC多层次快速帧间编码系统，其特征在于基于轻量级全连接网络的CTU深度预测模块，具体实现包括：

4.根据权利要求1所述的一种基于神经网络的VVC多层次快速帧间编码系统，其特征在于基于编码信息的TT划分终止模块，具体实现包括：

5.根据权利要求1所述的一种基于神经网络的VVC多层次快速帧间编码系...

【技术特征摘要】

1.一种基于神经网络的vvc多层次快速帧间编码系统，其特征在于，包括

2.根据权利要求1所述的一种基于神经网络的vvc多层次快速帧间编码系统，其特征在于基于运动场与编码信息的cu划分终止模块，具体实现包括：

3.根据权利要求1所述的一种基于神经网络的vvc多层次快速帧间编码系统，其特征在于基于轻量级全连接网络的ctu深度预测模块，具体实现包括：

4.根据权利要求1所述的一种基于神经网络的vvc多层次快速帧间编码系统，其特征在于基于编码信息的tt划分终止模块，具体实现包括：

5.根据权利要求1所述的一种基于神经网络的vvc多层次快速帧间编码系统，其特征在于，基于cnn的cu划分模式选择模块，具体实现包括：

6.根据权利要求5所述的一种基于神经网络的vvc多层次快速帧间编码系统，其特征在于，所述的多尺度非对称特征提取模块(msac)包括三个分支，将当前特征经过三个分支用不同的卷积核进行处理：对于128x128大小的数据，卷积核大小分别是9×5、7...

【专利技术属性】
技术研发人员：陆宇，陈曦，殷海兵，黄晓峰，周洋，王鸿奎，
申请(专利权)人：杭州电子科技大学，
类型：发明
国别省市：