【技术实现步骤摘要】
【国外来华专利技术】
本专利技术大体上涉及图像和视频编码领域，具体涉及包括条件图像压缩的图像和视频译码。
技术介绍
1、视频译码(视频编码和解码)广泛用于数字视频应用，例如广播数字电视、基于互联网和移动网络的视频传输、视频聊天和视频会议等实时会话应用、dvd和蓝光光盘、视频内容采集和编辑系统以及安全应用的可携式摄像机。
2、即使视频相对较短，也需要大量的视频数据来描述，当数据要在带宽容量有限的通信网络中流式传输或以其它方式传输时，这样可能会造成困难。因此，视频数据通常要先压缩，然后通过现代电信网络进行传输。由于内存资源可能有限，当在存储设备中存储视频时，该视频的大小也可能是一个问题。视频压缩设备通常在信源侧使用软件和/或硬件对视频数据进行编码，然后传输或存储视频数据，从而减少表示数字视频图像所需的数据量。然后，对视频数据进行解码的视频解压缩设备在目的地侧接收压缩数据。压缩技术也适当地应用于静态图像译码的上下文中。
3、在网络资源有限以及对更高视频质量的需求不断增长的情况下，需要改进压缩和解压缩技术，这些改进的技术在几乎不影响图像质量的...
【技术保护点】
1.一种编码图像的至少一部分的方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述主分量和所述至少一个次分量被同时编码。
3.根据权利要求1或2所述的方法，其特征在于，所述图像的所述主分量是亮度分量，所述图像的所述至少一个次分量是色度分量。
4.根据权利要求3所述的方法，其特征在于，所述图像的两个次分量被同时编码，其中一个次分量是色度分量，另一个次分量是另一个色度分量。
5.根据权利要求1或2所述的方法，其特征在于，所述图像的所述主分量是色度分量，所述图像的所述至少一个次分量是亮度分量。
...
【技术特征摘要】
【国外来华专利技术】
1.一种编码图像的至少一部分的方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述主分量和所述至少一个次分量被同时编码。
3.根据权利要求1或2所述的方法，其特征在于，所述图像的所述主分量是亮度分量，所述图像的所述至少一个次分量是色度分量。
4.根据权利要求3所述的方法，其特征在于，所述图像的两个次分量被同时编码，其中一个次分量是色度分量，另一个次分量是另一个色度分量。
5.根据权利要求1或2所述的方法，其特征在于，所述图像的所述主分量是色度分量，所述图像的所述至少一个次分量是亮度分量。
6.根据上述权利要求中任一项所述的方法，其特征在于，
7.根据上述权利要求中任一项所述的方法，其特征在于，
8.根据权利要求6或7所述的方法，其特征在于，所述第一隐张量包括通道维度，所述第二隐张量包括通道维度，并且所述第一隐张量在所述通道维度上的大小大于或小于或等于所述第二隐张量在所述通道维度上的大小。
9.根据权利要求6至8中任一项所述的方法，其特征在于，所述第一张量通过第一神经网络变换为所述第一隐张量，所述级联张量通过不同于所述第一神经网络的第二神经网络变换为所述第二隐张量。
10.根据结合权利要求8的权利要求9所述的方法，其特征在于，所述第一神经网络和所述第二神经网络被协同训练，以便确定所述第一隐张量在所述通道维度上的所述大小和所述第二隐张量在所述通道维度上的所述大小。
11.根据权利要求6至10中任一项所述的方法，其特征在于，还包括在所述第一码流中指示所述第一隐张量在所述通道维度上的所述大小，在所述第二码流中指示所述第二隐张量在所述通道维度上的所述大小。
12.根据权利要求6至11中任一项所述的方法，其特征在于，所述第一码流是基于第一熵模型生成的，所述第二码流是基于不同于所述第一熵模型的第二熵模型生成的。
13.根据权利要求12所述的方法，其特征在于，还包括：
14.根据权利要求13所述的方法，其特征在于，所述第三熵模型由不同于所述第一神经网络和所述第二神经网络的第三神经网络生成，所述第四熵模型由不同于所述第一神经网络、所述第二神经网络和所述第三神经网络的第四神经网络生成。
15.根据权利要求13或14所述的方法，其特征在于，
16.根据权利要求12至15中任一项所述的方法，其特征在于，所述第一熵模型由不同于所述第一神经网络至所述第八神经网络的第九神经网络生成，所述第二熵模型由不同于所述第一神经网络至所述第九网络的第十神经网络生成。
17.根据上述权利要求中任一项所述的方法，其特征在于，所述图像是静态图像和视频序列的帧内帧中的一个。
18.一种编码图像的至少一部分的方法，其特征在于，包括：
19.根据权利要求18所述的方法，其特征在于，所述主残差分量和所述至少一个次残差分量被同时编码。
20.根据权利要求18或19所述的方法，其特征在于，所述图像的所述主分量是亮度分量，所述图像的所述至少一个次分量是色度分量。
21.根据权利要求20所述的方法，其特征在于，所述至少一个次残差分量包括用于色度分量的残差分量和用于另一个色度分量的另一个残差分量。
22.根据权利要求18或19所述的方法，其特征在于，所述图像的主分量是色度分量，所述图像的至少一个次分量是亮度分量。
23.根据上述权利要求中任一项所述的方法，其特征在于，
24.根据上述权利要求中任一项所述的方法，其特征在于，
25.根据权利要求23或24所述的方法，其特征在于，所述第一隐张量包括通道维度，所述第二隐张量包括通道维度，并且所述第一隐张量在所述通道维度上的大小大于或小于或等于所述第二隐张量在所述通道维度上的大小。
26.根据权利要求23至25中任一项所述的方法，其特征在于，所述第一张量通过第一神经网络变换为所述第一隐张量，所述级联张量通过不同于所述第一神经网络的第二神经网络变换为所述第二隐张量。
27.根据结合权利要求25的权利要求26所述的方法，其特征在于，所述第一神经网络和所述第二神经网络被协同训练，以便确定所述第一隐张量在所述通道维度上的所述大小和所述第二隐张量在所述通道维度上的所述大小。
28.根据权利要求23至27中任一项所述的方法，其特征在于，还包括在所述第一码流中指示所述第一隐张量在所述通道维度上的所述大小，在所述第二码流中指示所述第二隐张量在所述通道维度上的所述大小。
29.根据权利要求23至28中任一项所述的方法，其特征在于，所述第一码流是基于第一熵模型生成的，所述第二码流是基于不同于所述第一熵模型的第二熵模型生成的。
30.根据权利要求29所述的方法，其特征在于，还包括：
31.根据权利要求30所述的方法，其特征在于，所述第三熵模型由不同于所述第一神经网络和所述第二神经网络的第三神经网络生成，所述第四熵模型由不同于所述第一神经网络、所述第二神经网络和所述第三神经网络的第四神经网络生成。
32.根据权利要求30或31所述的方法，其特征在于，
33.根据权利要求29至32中任一项所述的方法，其特征在于，所述第一熵模型由不同于所述第一神经网络至所述第八神经网络的第九神经网络生成，所述第二熵模型由不同于所述第一神经网络至所述第九网络的第十神经网络生成。
...
【专利技术属性】
技术研发人员：贾攀琦，亚历山大·亚历山德罗维奇·卡拉布托夫，阿塔纳斯·波夫，高晗，王彪，约翰内斯·绍尔，伊蕾娜·亚历山德罗夫娜·阿尔希娜，
申请(专利权)人：华为技术有限公司，
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。