CN107205151A - 基于混合失真度量准则的编解码装置及方法 - Google Patents
基于混合失真度量准则的编解码装置及方法 Download PDFInfo
- Publication number
- CN107205151A CN107205151A CN201710498807.6A CN201710498807A CN107205151A CN 107205151 A CN107205151 A CN 107205151A CN 201710498807 A CN201710498807 A CN 201710498807A CN 107205151 A CN107205151 A CN 107205151A
- Authority
- CN
- China
- Prior art keywords
- module
- distortion metrics
- coding
- image
- compressed
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 12
- 238000007906 compression Methods 0.000 claims abstract description 50
- 230000006835 compression Effects 0.000 claims abstract description 49
- 230000006837 decompression Effects 0.000 claims abstract description 23
- 238000013139 quantization Methods 0.000 claims description 19
- 238000006243 chemical reaction Methods 0.000 claims description 15
- 238000012546 transfer Methods 0.000 claims description 9
- 238000013528 artificial neural network Methods 0.000 claims description 3
- 230000001815 facial effect Effects 0.000 abstract description 8
- 230000000717 retained effect Effects 0.000 abstract description 3
- 238000005457 optimization Methods 0.000 description 4
- 239000000203 mixture Substances 0.000 description 3
- 230000003044 adaptive effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000000280 densification Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 241000208340 Araliaceae Species 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 230000006854 communication Effects 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011176 pooling Methods 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
- H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
- H04N19/134—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or criterion affecting or controlling the adaptive coding
- H04N19/146—Data rate or code amount at the encoder output
- H04N19/147—Data rate or code amount at the encoder output according to rate distortion criteria
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
- H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
- H04N19/102—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or selection affected or controlled by the adaptive coding
- H04N19/124—Quantisation
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
- H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
- H04N19/169—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding
- H04N19/17—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding the unit being an image region, e.g. an object
- H04N19/176—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding the unit being an image region, e.g. an object the region being a block, e.g. a macroblock
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
- H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
- H04N19/189—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the adaptation method, adaptation tool or adaptation type used for the adaptive coding
- H04N19/196—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the adaptation method, adaptation tool or adaptation type used for the adaptive coding being specially adapted for the computation of encoding parameters, e.g. by averaging previously computed encoding parameters
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
- H04N19/60—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using transform coding
- H04N19/61—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using transform coding in combination with predictive coding
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
- H04N19/70—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals characterised by syntax aspects related to video coding, e.g. related to compression standards
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Computing Systems (AREA)
- Theoretical Computer Science (AREA)
- Compression Or Coding Systems Of Tv Signals (AREA)
- Compression Of Band Width Or Redundancy In Fax (AREA)
Abstract
本公开提供了一种基于混合失真度量准则的编解码装置和方法,将待压缩图像与重构图像转换到失真度量准则所处的空间,得到失真度量,压缩模块和解压缩模块根据上述失真度量更新参数。本公开通过集成不同的失真度量准则,可以根据特定任务要求进行图像压缩,这些任务方案包括基于像素保真度的压缩、基于感知保真度的压缩和基于语义保真度的压缩。在人脸图像压缩中,可以在压缩图像大小的同时保留基本语义特征,使得恢复重建的人脸图像依旧能够被算法准确识别。在同一识别率的情况下,相比于标准的JPEG2000编解码器和WebP编解码器能够显著地节省比特率。
Description
技术领域
本公开涉及图像压缩技术领域,尤其涉及一种基于混合失真度量准则的编解码装置及方法。
背景技术
图像压缩技术中的失真度量可被分为像素保真度(Pixel Fidelity)、感知保真度(Perceptual Fidelity)、语义保真度(Semantic Fidelity)三个等级。传统图像编码的核心框架包含预测、变换、量化、熵编码等模块,像素保真度失真度量被现有的图像编码框架广泛使用,而感知保真度、语义保真度则很难被整合进入现有的图像编码框架,只能采用启发式的方法进行相关准则下的编码优化此,本领域亟需一种可以集成整合不同失真度量准则进行参数优化的图像编解码框架。
发明内容
(一)要解决的技术问题
本公开提出一种基于混合失真度量准则的编解码装置及方法,集成整合不同失真度量准则进行参数优化,能够实现任务驱动型图像压缩。
(二)技术方案
本公开提供了一种混合失真度量准则的编解码装置,包括:压缩模块,用于对待压缩图像进行压缩,得到输出码流;解压缩模块,用于对所述码流进行解压缩,得到重构图像;混合失真度量准则变换模块,用于将所述待压缩图像与重构图像转换到失真度量准则所处的空间,得到失真度量;梯度传递模块,用于将上述失真度量传递给上述压缩模块和解压缩模块,以使上述压缩模块和解压缩模块的参数被更新。
在一些实施例中,所述失真度量准则包括像素保真度、感知保真度和语义保真度的至少其中之一。
在一些实施例中,所述失真度量为待压缩图像与重构图像在失真度量准则所处空间的特征向量之间的距离。
在一些实施例中,所述压缩模块包括:编码子模块,用于对待压缩图像执行编码操作得到编码输出;量化子模块,用于对编码输出执行量化操作得到量化输出;无损压缩子模块,用于对量化输出执行无损压缩操作得到输出码流。
在一些实施例中,所述解压缩模块包括:无损解压子模块,用于对码流执行无损压缩的逆操作,得到量化输出;解码子模块,用于对量化输出执行解码操作,得到重构的图像。
在一些实施例中,所述梯度传递模块利用梯度下降算法将失真度量逐步传递给编码子模块、量化子模块以及解码子模块,编码子模块、量化子模块和解码子模块的参数被更新。
在一些实施例中,所述编码子模块采用区域自适应池化编码器。
在一些实施例中,所述解码子模块采用人工神经网络解码器,其采用对抗的方式训练而成。
在一些实施例中,所述混合失真度量准则变换模块采用人脸识别网络实现。
本公开还提供了一种基于混合失真度量准则的编解码方法,利用上述任一项所述的编解码装置,包括:步骤S1:压缩模块对待压缩图像进行压缩,得到输出码流;步骤S2:解压缩模块对码流进行解压缩,得到重构图像;步骤S3:混合失真度量准则变换模块将待压缩图像x与重构图像转换到失真度量准则所处的空间,得到失真度量;步骤S4:梯度传递模块,将失真度量传递给压缩模块和解压缩模块,以使压缩模块和解压缩模块的参数被更新。
(三)有益效果
从上述技术方案可以看出,本公开具有以下有益效果:
(1)通过集成不同的失真度量准则,可以根据特定任务要求进行图像压缩,这些任务方案包括基于像素保真度的压缩、基于感知保真度的压缩和基于语义保真度的压缩。
(2)在人脸图像压缩中,可以在压缩图像大小的同时保留基本语义特征,使得恢复重建的人脸图像依旧能够被算法准确识别。
(3)在同一识别率的情况下,相比于标准的JPEG2000编解码器能够节省76.63%的比特率,相比于WebP编解码器能够节省56.23%的比特率。
附图说明
图1是本公开实施例基于混合失真度量准则的编解码装置的结构示意图。
图2是本公开实施例基于混合失真度量准则的编解码装置的工作流程图。
图3是本公开实施例基于混合失真度量准则的编解码装置应用于人脸图像压缩的工作流程图。
图4是本公开实施例基于混合失真度量准则的编解码方法流程图。
具体实施方式
本发明提供了一种端到端的混合图像编解码装置,其集成了混合的失真度量准则。为使本公开的目的、技术方案和优点更加清楚明白,以下结合具体实施例,并参照附图,对本公开进一步详细说明。
如图1所示,本实施例的基于混合失真度量准则的编解码装置,包括:压缩模块、解压缩模块、混合失真度量准则变换模块和梯度传递模块,其中,
压缩模块包括编码子模块、量化子模块和无损压缩子模块。同时参照图2,其示出了编解码装置的工作流程。编码子模块接收待压缩图片x作为输入,对待压缩图像x执行编码操作Fθ(x)得到编码输出,其中编码操作Fθ(x)包含参数θ。编码子模块可以采用多种类型的编码器实现,相应地,编码操作的参数θ可以是编码器的一个参数或一组参数。在一个示例中,参见图3,所述编码子模块采用区域自适应池化(Regionally Adaptive Pooling)编码器,其参数为不同区域的池化尺寸。该编码器能够根据梯度传递模块传回的梯度自适应的调节待压缩图片中不同区域的池化尺寸,同时达到码率可变的效果。
量化子模块接收编码子模块的编码输出,对编码输出执行量化操作得到紧凑化的量化输出c,其中量化操作包含参数量化子模块可以采用多种形式实现,相应地,量化操作的参数可以是一个参数或一组参数,例如量化等级。
无损压缩子模块接收量化子模块的量化输出c,对量化输出c执行无损压缩操作L,得到输出码流。在一个示例中,无损压缩子模块可以包括预测、变换、熵编码等单元,对量化输出c执行预测、变换、熵编码等操作。
解压缩模块包括无损解压子模块和解码子模块。由于压缩过程中的无损压缩操作L的可逆性,其逆过程L-1可以将码流恢复成量化输出c。无损解压子模块将码流作为输入,对码流执行无损压缩的逆操作,得到量化输出c。
解码子模块接收无损解压子模块的量化输出c,对量化输出c执行解码操作Gφ(c),其中解码操作Gφ(c)包含参数φ,得到重构的图像在一个示例中,参见图3,所述解码子模块可以采用人工神经网络解码器,例如卷积神经网络解码器,其采用对抗的方式训练而成,将解码器和判别器作为对抗网络,以一种对抗的形式生成逼真的重构图像
混合失真度量准则变换模块接收待压缩图像x和重构图像作为输入,对待压缩图像x和重构图像执行变换操作HΨ(x)和将待压缩图像x与重构图像转换到失真度量准则所处的空间中,得到特征向量s与并得到编解码装置的失真度量。所述失真度量准则所处的空间包括信号空间、感知空间和语义空间,在本发明中,可以将待压缩图像x与重构图像转换到上述任一个或两个空间,或者全部三个空间,以根据失真度量准则优化编解码装置的参数。在一个示例中,参见图3,混合失真度量准则变换模块采用人脸识别网络,该人脸识别网络采用FaceNet结构,能够将彩色图像转换到语义空间,得到语义特征向量,不同图像的语义特征向量之间的距离作为失真度量,对于人脸图像来说,待压缩图像x和重构图像的语义特征向量之间的距离即代表待压缩图像x和重构图像属于同一个人的可能性,即:同一个人的待压缩图像x和重构图像的语义特征向量之间的距离更加接近。
梯度传递模块,接收混合失真度量准则变换模块的失真度量作为输入,利用梯度下降算法将失真度量逐步传递给压缩模块的编码子模块、量化子模块、以及解压缩模块的解码子模块,更新编码子模块、量化子模块、解码子模块的参数。该操作可以视为误差的反向传播过程,梯度越大的部分对输出误差所担负的责任即越大。在训练过程中,编解码装置中各模块根据梯度的反向传播不断更新,最终达到优良的性能,达到根据失真度量准则优化编解码参数的目的。
本公开通过集成不同的失真度量准则,可以根据特定任务要求进行图像压缩,这些任务方案包括基于像素保真度的压缩、基于感知保真度的压缩和基于语义保真度的压缩。在人脸图像压缩实例中,可以在压缩图像大小的同时保留基本语义特征,使得恢复重建的人脸图像依旧能够被算法准确识别。经验证,在同一识别率的情况下,相比于标准的JPEG2000编解码器能够节省76.63%的比特率,相比于WebP编解码器能够节省56.23%的比特率。
如图4所示,本公开另一实施例提供了一种基于混合失真度量准则的编解码方法,其利用上述编解码装置,包括:
步骤S1:压缩模块对待压缩图像进行压缩,得到输出码流。
具体地,步骤S1包括:
子步骤S1a:编码子模块接收待压缩图片x作为输入,对待压缩图像x执行编码操作Fθ(x)得到编码输出。
子步骤S1b:量化子模块接收编码子模块的编码输出,对编码输出执行量化操作得到紧凑化的量化输出c。
子步骤S1c:无损压缩子模块接收量化子模块的量化输出c,对量化输出c执行无损压缩操作L,得到输出码流。
步骤S2:解压缩模块对码流进行解压缩,得到重构图像。
具体地,步骤S2包括:
子步骤S2a:无损解压子模块将码流作为输入,对码流执行无损压缩的逆操作,得到量化输出c。
子步骤S2b:解码子模块接收无损解压子模块的量化输出c,对量化输出c执行解码操作Gφ(c),得到重构的图像
步骤S3:混合失真度量准则变换模块将待压缩图像x与重构图像转换到失真度量准则所处的空间,得到特征向量s与并得到编解码装置的失真度量。
步骤S4:梯度传递模块,接收混合失真度量准则变换模块的失真度量作为输入,利用梯度下降算法将失真度量逐步传递给压缩模块和解压缩模块,更新编码子模块、量化子模块、解码子模块的参数。
至此,已经结合附图对本实施例进行了详细描述。依据以上描述,本领域技术人员应当对本公开有了清楚的认识。
需要说明的是,在附图或说明书正文中,未绘示或描述的实现方式,均为所属技术领域中普通技术人员所知的形式,并未进行详细说明。此外,上述对各元件的定义并不仅限于实施例中提到的各种具体结构、形状或方式,本领域普通技术人员可对其进行简单地更改或替换,例如:
(1)实施例中提到的方向用语,例如“上”、“下”、“前”、“后”、“左”、“右”等,仅是参考附图的方向,并非用来限制本公开的保护范围;
(2)上述实施例可基于设计及可靠度的考虑,彼此混合搭配使用或与其他实施例混合搭配使用,即不同实施例中的技术特征可以自由组合形成更多的实施例。
以上所述的具体实施例,对本公开的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本公开的具体实施例而已,并不用于限制本公开,凡在本公开的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本公开的保护范围之内。
Claims (10)
1.基于混合失真度量准则的编解码装置,包括:
压缩模块,用于对待压缩图像进行压缩,得到输出码流;
解压缩模块,用于对所述码流进行解压缩,得到重构图像;
混合失真度量准则变换模块,用于将所述待压缩图像与重构图像转换到失真度量准则所处的空间,得到失真度量;
梯度传递模块,用于将上述失真度量传递给上述压缩模块和解压缩模块,以使上述压缩模块和解压缩模块的参数被更新。
2.如权利要求1所述的编解码装置,所述失真度量准则包括像素保真度、感知保真度和语义保真度的至少其中之一。
3.如权利要求1所述的编解码装置,所述失真度量为待压缩图像与重构图像在失真度量准则所处空间的特征向量之间的距离。
4.如权利要求1所述的编解码装置,所述压缩模块包括:
编码子模块,用于对待压缩图像执行编码操作得到编码输出;
量化子模块,用于对编码输出执行量化操作得到量化输出;
无损压缩子模块,用于对量化输出执行无损压缩操作得到输出码流。
5.如权利要求1所述的编解码装置,所述解压缩模块包括:
无损解压子模块,用于对码流执行无损压缩的逆操作,得到量化输出;
解码子模块,用于对量化输出执行解码操作,得到重构的图像。
6.如权利要求4所述的编解码装置,所述梯度传递模块利用梯度下降算法将失真度量逐步传递给编码子模块、量化子模块以及解码子模块,编码子模块、量化子模块和解码子模块的参数被更新。
7.如权利要求4所述的编解码装置,所述编码子模块采用区域自适应池化编码器。
8.如权利要求5所述的编解码装置,所述解码子模块采用人工神经网络解码器,其采用对抗的方式训练而成。
9.如权利要求1所述的编解码装置,所述混合失真度量准则变换模块采用人脸识别网络实现。
10.基于混合失真度量准则的编解码方法,其利用权利要求1至9任一项所述的编解码装置,包括:
步骤S1:压缩模块对待压缩图像进行压缩,得到输出码流;
步骤S2:解压缩模块对码流进行解压缩,得到重构图像;
步骤S3:混合失真度量准则变换模块将待压缩图像x与重构图像转换到失真度量准则所处的空间,得到失真度量;
步骤S4:梯度传递模块,将失真度量传递给压缩模块和解压缩模块,以使压缩模块和解压缩模块的参数被更新。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710498807.6A CN107205151B (zh) | 2017-06-26 | 2017-06-26 | 基于混合失真度量准则的编解码装置及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710498807.6A CN107205151B (zh) | 2017-06-26 | 2017-06-26 | 基于混合失真度量准则的编解码装置及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107205151A true CN107205151A (zh) | 2017-09-26 |
CN107205151B CN107205151B (zh) | 2020-03-27 |
Family
ID=59907119
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710498807.6A Active CN107205151B (zh) | 2017-06-26 | 2017-06-26 | 基于混合失真度量准则的编解码装置及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107205151B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111045726A (zh) * | 2018-10-12 | 2020-04-21 | 上海寒武纪信息科技有限公司 | 支持编码、解码的深度学习处理装置及方法 |
WO2022021422A1 (zh) * | 2020-07-31 | 2022-02-03 | Oppo广东移动通信有限公司 | 视频编码方法、编码器、***以及计算机存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2004010702A1 (en) * | 2002-07-22 | 2004-01-29 | Institute Of Computing Technology Chinese Academy Of Sciences | A bit-rate control method and device combined with rate-distortion optimization |
CN1988659A (zh) * | 2006-12-30 | 2007-06-27 | 清华大学 | 一种视频编码码率控制方法 |
CN101202912A (zh) * | 2007-11-30 | 2008-06-18 | 上海广电(集团)有限公司中央研究院 | 一种平衡码率和图像质量的码率控制方法 |
CN101663892A (zh) * | 2007-05-04 | 2010-03-03 | 高通股份有限公司 | 数字多媒体信道切换 |
CN102740081A (zh) * | 2012-06-21 | 2012-10-17 | 西南交通大学 | 一种基于分布式编码技术的多视点视频传输差错控制方法 |
US20150071339A1 (en) * | 2013-09-09 | 2015-03-12 | Ati Technologies Ulc | Performing video encoding mode decision based on motion activity |
-
2017
- 2017-06-26 CN CN201710498807.6A patent/CN107205151B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2004010702A1 (en) * | 2002-07-22 | 2004-01-29 | Institute Of Computing Technology Chinese Academy Of Sciences | A bit-rate control method and device combined with rate-distortion optimization |
CN1988659A (zh) * | 2006-12-30 | 2007-06-27 | 清华大学 | 一种视频编码码率控制方法 |
CN101663892A (zh) * | 2007-05-04 | 2010-03-03 | 高通股份有限公司 | 数字多媒体信道切换 |
CN101202912A (zh) * | 2007-11-30 | 2008-06-18 | 上海广电(集团)有限公司中央研究院 | 一种平衡码率和图像质量的码率控制方法 |
CN102740081A (zh) * | 2012-06-21 | 2012-10-17 | 西南交通大学 | 一种基于分布式编码技术的多视点视频传输差错控制方法 |
US20150071339A1 (en) * | 2013-09-09 | 2015-03-12 | Ati Technologies Ulc | Performing video encoding mode decision based on motion activity |
Non-Patent Citations (2)
Title |
---|
AADITYA PRAKASH, ET AL.: "Semantic Perceptual Image Compression Using Deep Convolution Networks", 《 2017 DATA COMPRESSION CONFERENCE (DCC)》 * |
MICHAEL ELAD, ET AL.: "Low Bit-Rate Compression of Facial Images", 《 IEEE TRANSACTIONS ON IMAGE PROCESSING》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111045726A (zh) * | 2018-10-12 | 2020-04-21 | 上海寒武纪信息科技有限公司 | 支持编码、解码的深度学习处理装置及方法 |
CN111045726B (zh) * | 2018-10-12 | 2022-04-15 | 上海寒武纪信息科技有限公司 | 支持编码、解码的深度学习处理装置及方法 |
WO2022021422A1 (zh) * | 2020-07-31 | 2022-02-03 | Oppo广东移动通信有限公司 | 视频编码方法、编码器、***以及计算机存储介质 |
CN115428451A (zh) * | 2020-07-31 | 2022-12-02 | Oppo广东移动通信有限公司 | 视频编码方法、编码器、***以及计算机存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN107205151B (zh) | 2020-03-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110139109B (zh) | 图像的编码方法及相应终端 | |
CN101513069B (zh) | 用于对视频色彩增强层编码和解码的方法和设备 | |
CN110602491B (zh) | 帧内色度预测方法、装置、设备及视频编解码*** | |
CN113259676B (zh) | 一种基于深度学习的图像压缩方法和装置 | |
CN104737540B (zh) | 用于下一代视频的视频编解码器架构 | |
CN111669587B (zh) | 一种视频图像的拟态压缩方法、装置、存储介质及终端 | |
CN104685878B (zh) | 具有颜色空间缩放性的视频压缩 | |
CN102342105B (zh) | 用于对多层视频进行编码和解码的设备及方法 | |
CN102067605B (zh) | 用集成的时间滤波器降噪的视频编码器 | |
CN107205149A (zh) | 通过参考帧缓冲器跟踪的运动矢量参考选择 | |
CN103489203A (zh) | 基于字典学习的图像编码方法及*** | |
CN109923864A (zh) | 数据处理设备、方法、计算机程序和计算机可读介质 | |
CN107205151A (zh) | 基于混合失真度量准则的编解码装置及方法 | |
CN110290386A (zh) | 一种基于生成对抗网络的低码率人体运动视频编码***及方法 | |
CN101783953B (zh) | Jpeg-ls游程编码硬件实现方法 | |
CN111343458B (zh) | 一种基于重建残差的稀疏灰度图像编解码方法及*** | |
CN111080729B (zh) | 基于Attention机制的训练图片压缩网络的构建方法及*** | |
CN105163124B (zh) | 一种图像编码方法、图像解码方法及装置 | |
KR20200044668A (ko) | Ai 부호화 장치 및 그 동작방법, 및 ai 복호화 장치 및 그 동작방법 | |
WO2023082107A1 (zh) | 解码方法、编码方法、解码器、编码器和编解码*** | |
CN116416216A (zh) | 基于自监督特征提取的质量评价方法、存储介质及终端 | |
WO2013011355A1 (en) | Method and apparatus for encoding an image | |
CN113132732B (zh) | 一种人机协同的视频编码方法及视频编码*** | |
CN105306941B (zh) | 一种视频编码方法 | |
CN113132755B (zh) | 可扩展人机协同图像编码方法及***、解码器训练方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CB03 | Change of inventor or designer information | ||
CB03 | Change of inventor or designer information |
Inventor after: Chen Zhibo Inventor after: He Tianyu Inventor after: Liu Sen Inventor before: Chen Zhibo Inventor before: He Tianyu |