用于查找量化参数(QP)的基于机器学习(ML)的速率控制算法制造技术

可以由包括随机森林模型在内的多个子模块(404、406)实现的ML模型(402)用于基于输入到该ML模型的包括帧大小和信道速率在内的各种编码因子为视频编码器(500)生成量化参数(QP)。

【技术实现步骤摘要】
【国外来华专利技术】

本申请总体上涉及用于为视频编码器查找最优量化参数(qp)的机器学习(ml)。

技术介绍

1、视频编码器使用量化参数(qp) (本文也称为量化因子或量化值)来压缩动态图像专家组(mpeg)视频帧，该视频帧包括帧内帧(i帧)、预测的帧(p帧)和双向帧(b帧)。p帧和b帧两者都是基于i帧的，并且比i帧小，以实现比在曾经仅使用全尺度i帧的情况下将可能的数据有效载荷更小的数据有效载荷。编码器在生成这些帧时使用qp来优化视频质量。

2、如本文所理解的，用于为视频编码器产生最优qp的当前技术在优化qp方面达不到要求和/或需要过多的处理能力，例如所谓的两遍计算编码也是这种情况。进一步，用于为视频编码器产生最优qp的当前技术可以取决于可变的传输信道特性而导致视频速率缓冲区溢出或下溢状况。

技术实现思路

1、因此，使用机器学习来为视频编码器生成动态qp字符串。

2、在详细示例中，除i帧之外的帧(本文还称为参考帧)的qp由ml模型生成。在一些示例中，提供每编码器类型一个ml模型，即，本文描述的ml模型可以针本文档来自技高网...

【技术保护点】

1.一种设备，包括：

2.如权利要求1所述的设备，其中从所述视频编码器接收视频帧的所述比特表示。

3.如权利要求1所述的设备，其中所述至少一个处理器被配置为将经编码的视频帧的至少一个块的经编码的比特输入到所述ML模型。

4.如权利要求1所述的设备，其中所述至少一个处理器被配置为将所述经编码的视频帧的所述至少一个块的离散余弦变换(DCT)的能量表示输入到所述ML模型。

5.如权利要求1所述的设备，其中所述至少一个处理器被配置为将所述至少一个非I帧和所述至少一个参考视频帧输入到所述视频编码器。

6.如权利要求1所述的设备，其中所述至...

【技术特征摘要】
【国外来华专利技术】

1.一种设备，包括：

2.如权利要求1所述的设备，其中从所述视频编码器接收视频帧的所述比特表示。

3.如权利要求1所述的设备，其中所述至少一个处理器被配置为将经编码的视频帧的至少一个块的经编码的比特输入到所述ml模型。

4.如权利要求1所述的设备，其中所述至少一个处理器被配置为将所述经编码的视频帧的所述至少一个块的离散余弦变换(dct)的能量表示输入到所述ml模型。

5.如权利要求1所述的设备，其中所述至少一个处理器被配置为将所述至少一个非i帧和所述至少一个参考视频帧输入到所述视频编码器。

6.如权利要求1所述的设备，其中所述至少一个ml模型包括至少一个随机森林模型。

7.如权利要求1所述的设备，其中所述ml模型的第一模块将至少一个视频帧的经估计的比特表示输出到至少所述ml模型的第二模块。

8.如权利要求7所述的设备，其中所述第一模块用于接收所述非i帧、所述至少一个参考视频帧和视频帧的所述比特表示，所述第一模块用于将所述经估计的比特表示输出到所述视频编码器和所述第二模块两者。

9.如权利要求8所述的设备，其中所述第二模块被配置为从所述编码器接收经编码的视频帧的至少一个块的经编码的比特，并...

【专利技术属性】
技术研发人员：K·瓦拉万，M·梅塔，
申请(专利权)人：索尼互动娱乐股份有限公司，
类型：发明
国别省市：