中国专利搜索 世界专利搜索 专利分类查询 专利引用检索 专利族检索
登陆 | |

一种针对B帧和P帧的低复杂度神经网络滤波算法
有权
阅读授权文献

Low-complexity neural network filtering algorithm for B frame and P frame

申请号:201911382700.0 申请日:2019-12-28
CN201911382700
CN111064958A
微信扫码查看/分享专利
摘要:本发明属于视频编码技术领域,具体为一种针对B帧和P帧的低复杂度神经网络滤波算法。本发明方法包括:通过测试不同比例下的神经网络滤波器的输出和视频编码标准输出的重建像素融合结果,选择其中最佳的滤波强度编入码流中,达到最佳滤波效果。其中设计了一个新的语法元素称为帧级的语法元素,即对于每一帧的每一个分量都存在的语法元素,其由n比特构成,用于表征当前帧中神经网络输出的结果和视频编码器重建像素的融合程度。通过该语法元素实现自适应滤波强度的效果,有效解决了直接使用滤波器导致的过模糊过平滑问题。相较于原来的CTU级别的语法元素,直接使用帧级的滤波不会带来额外的人为边界,是一种性能优异且复杂度很低的算法。
Abstract: The invention belongs to the technical field of video coding, and particularly relates to a low-complexity neural network filtering algorithm for a B frame and a P frame. The method comprises the steps of selecting the optimal filtering intensity to be compiled into a code stream by testing reconstructed pixel fusion results of output of a neural network filter and output of a video coding standard under different proportions, thereby achieving the optimal filtering effect. A new syntax element, called a frame-level syntax element, is designed, that is, the syntax element existing for each component of each frame is composed of n bits and used for representing the result output by the neural network in the current frame and the fusion degree of reconstructed pixels of the video encoder. Through the syntax element, the effect of adaptive filtering intensity is realized, and the problem of over-ambiguity and over-smoothness caused by directly using a filter is effectively solved. Compared with the original CTU-level syntax element, the frame-level filtering is directly used, so that no extra artificial boundary is brought, and the algorithm is excellent in performance and very low incomplexity.
申请人: 复旦大学
Applicant: UNIV FUDAN
地址: 200433 上海市杨浦区邯郸路********(隐藏)
发明(设计)人: 范益波 刘超
Inventor: FAN YIBO; LIU CHAO
主分类号: H04N19/13(20140101)
分类号: H04N19/13(20140101) H04N19/70(20140101) H04N19/117(20140101) H04N19/61(20140101) H04N19/82(20140101)
  • 法律状态
2021-03-30  授权
2020-05-19  实质审查的生效IPC(主分类):H04N 19/13申请日:20191228
2020-04-24  公开
注:本法律状态信息仅供参考,即时准确的法律状态信息须到国家知识产权局办理专利登记簿副本。
  • 其他信息
主权项  1.一种针对B帧和P帧的低复杂度神经网络滤波算法,其特征在于,具体步骤如下:/n(1)在编码端,关闭掉HM的配置文件中DB和SAO选项,对目标视频进行编码,得到重建像素X;/n(2)对于未处理的重建像素R,使用神经网络滤波器对其进行滤波,得到滤波像素Y;/n(3)使用滤波像素Y和R的组合替代掉原始的重建像素R,从而实现对B/P帧的滤波;其中,的计算式为式(1)所示,其中引入一个新的语法元素λ,λ决定了滤波器滤波的强弱,当λi为0时,表示完全不滤波,而当λi为1时,表示完全使用神经网络滤波器进行滤波;/n /n(4)在编码器中遍历不同的超参λi,其值为计算式(2)所示,λi是将1等分为2n-1个区间,所以i每增加1,λi就增加从而实现这个区间滤波强度就均匀增加的效果;/n /n(5)不同的λi对应的不同的值对每一个都比较其和原始像素之间的均方误差值MSEi,/n /n(6)找到最小MSEi,并记录其对应的λi,将其对应的i的二进制形式编入码流中;并将其滤波结果送入到帧缓存中去;/n(7)在解码端,不遍历不同i下的λi,而是直接依据码流中的i来解码出滤波强度,从而实现最佳的滤波效果。/n
公开号  111064958A
公开日  2020-04-24
专利代理机构  31200 上海正旦专利代理有限公司
代理人  陆飞 陆尤
颁证日  
优先权  
 
国别 优先权号 优先权日 类型
CN  201911382700  20191228 
国际申请  
国际公布  
进入国家日期  
  • 专利对比文献
类型 阶段 文献号 公开日期 涉及权利要求项 相关页数
SEA  CN1558680A  20041229  1-2  全文 
SEA  CN108174225A  20180615  1-2  全文 
SEA  CN109151475A  20190104  1-2  全文 
SEA  CN110062246A  20190726  1-2  全文 
SEA  CN110199521A  20190903  1-2  全文 
SEA  CN110300301A  20191001  1-2  全文 
SEA  JP2019201256A  20191121  1-2  全文 
SEA  CN110519606A  20191129  1-2  全文 
SEA  CN110619607A  20191227  1-2  全文 
注:不保证该信息的有效性、完整性、准确性,以上信息也不具有任何效力,仅供参考。使用前请另行委托专业机构进一步查核,使用该信息的一切后果由用户自行负责。
X:单独影响权利要求的新颖性或创造性的文件;
Y:与检索报告中其他 Y类文件组合后影响权利要求的创造性的文件;
A:背景技术文件,即反映权利要求的部分技术特征或者有关的现有技术的文件;
R:任何单位或个人在申请日向专利局提交的、属于同样的发明创造的专利或专利申请文件;
P:中间文件,其公开日在申请的申请日与所要求的优先权日之间的文件,或会导致需核实该申请优先权的文件;
E:单独影响权利要求新颖性的抵触申请文件。
  • 期刊对比文献
类型 阶段 期刊文摘名称 作者 标题 涉及权利要求项 相关页数
  • 书籍对比文献
类型 阶段 书名 作者 标题 涉及权利要求项 相关页数