用于视频编解码的基于卷积神经网络的滤波器制造技术

技术编号:42223771 阅读:25 留言:0更新日期:2024-08-02 13:42
描述了用于视频编解码的基于卷积神经网络的滤波器。提供了一种处理视觉媒体数据的方法,包括:执行视觉媒体数据与所述视觉媒体数据的比特流之间的转换,其中,所述转换的执行包括基于规则在所述转换期间选择性地应用卷积神经网络滤波器;其中,所述规则指定是否和/或如何应用所述卷积神经网络滤波器。

【技术实现步骤摘要】

本专利文件涉及数字媒体编解码和解码。


技术介绍

1、数字视频占互联网和其他数字通信网络上最大的带宽使用。随着能够接收和显示视频的连接用户设备数量的增加,预计对数字视频使用的带宽需求将继续增长。


技术实现思路

1、本文件公开了可由图像、音频或视频编码器和解码器使用以确保编码操作、解码操作和编码的数字媒体片段的完整性的技术。

2、在一个示例方面,公开了一种处理视觉媒体数据的方法。该方法包括执行视觉媒体数据与视觉媒体数据的比特流之间的转换,其中转换的执行包括基于规则在转换期间选择性地应用卷积神经网络滤波器;其中该规则指定是否和/或如何应用卷积神经网络滤波器。

3、在另一个示例方面,公开了一种视频处理装置。该视频处理装置包括被配置为实现上述方法的处理器。

4、在又一个示例方面,公开了一种处理视觉媒体数据的方法,包括:执行视觉媒体数据与所述视觉媒体数据的比特流之间的转换,其中,所述转换的执行包括基于规则在所述转换期间选择性地应用卷积神经网络滤波器;其中,所述规则指定是否和/或如何应用本文档来自技高网...

【技术保护点】

1.一种处理视觉媒体数据的方法,包括:

2.根据权利要求1所述的方法,其中,所述卷积神经网络滤波器是使用卷积神经网络实现的,并且被应用于所述视觉媒体数据的视频单元的至少一些样点。

3.根据权利要求1所述的方法,其中,所述规则指定以互斥的方式使用所述卷积神经网络滤波器和每种类型的非深度学习滤波(NDLF)滤波器。

4.根据权利要求1所述的方法,其中,所述规则指定以互斥的方式使用所述卷积神经网络滤波器和某些类型的非深度学习滤波(NDLF)滤波器。

5.根据权利要求1所述的方法,其中,所述规则指定将所述卷积神经网络滤波器与非深度学习滤波(NDLF...

【技术特征摘要】

1.一种处理视觉媒体数据的方法,包括:

2.根据权利要求1所述的方法,其中,所述卷积神经网络滤波器是使用卷积神经网络实现的,并且被应用于所述视觉媒体数据的视频单元的至少一些样点。

3.根据权利要求1所述的方法,其中,所述规则指定以互斥的方式使用所述卷积神经网络滤波器和每种类型的非深度学习滤波(ndlf)滤波器。

4.根据权利要求1所述的方法,其中,所述规则指定以互斥的方式使用所述卷积神经网络滤波器和某些类型的非深度学习滤波(ndlf)滤波器。

5.根据权利要求1所述的方法,其中,所述规则指定将所述卷积神经网络滤波器与非深度学习滤波(ndlf)滤波器一起应用。

6.根据权利要求1所述的方法,其中,所述规则指定在应用非深度学习滤波(ndlf)滤波器之前或之后应用所述卷积神经网络滤波器。

7.根据权利要求1所述的方法,其中,所述规则指定将所述卷积神经网络滤波器应用于对其禁用非深度学习滤波(ndlf)滤波器的视频单元的样点。

8.根据权利要求1所述的方法,其中,所述规则指定将非深度学习滤波(ndlf)滤波器应用于对其禁用所述卷积神经网络滤波器的视频单元的样点。

9.根据权利要求1所述的方法,其中,所述规则指定所述卷积神经网络滤波器的使用是基于解码的信息隐式导出的。

10.根据权利要求1所述的方法,其中,所述比特流包括关于在所述转换期间允许应用的多个不同的卷积神经网络滤波器和/或卷积神经网络滤波器集合中的至少一个的信息。

11.根据权利要求1所述的方法,其中,所述规则指定所述卷积神经网络滤波器的使用基于输入信息,所述输入信息包括...

【专利技术属性】
技术研发人员:李跃张莉张凯
申请(专利权)人:脸萌有限公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1