CN114511811A - 视频处理方法、装置、电子设备和介质 - Google Patents
视频处理方法、装置、电子设备和介质 Download PDFInfo
- Publication number
- CN114511811A CN114511811A CN202210107911.9A CN202210107911A CN114511811A CN 114511811 A CN114511811 A CN 114511811A CN 202210107911 A CN202210107911 A CN 202210107911A CN 114511811 A CN114511811 A CN 114511811A
- Authority
- CN
- China
- Prior art keywords
- coloring
- sub
- feature
- network
- object segmentation
- 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.)
- Pending
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 10
- 238000012545 processing Methods 0.000 title claims description 18
- 238000004040 coloring Methods 0.000 claims abstract description 130
- 230000011218 segmentation Effects 0.000 claims abstract description 79
- 238000000034 method Methods 0.000 claims abstract description 69
- 238000003062 neural network model Methods 0.000 claims abstract description 68
- 238000012549 training Methods 0.000 claims abstract description 40
- 238000009877 rendering Methods 0.000 claims abstract description 30
- 238000000605 extraction Methods 0.000 claims abstract description 28
- 238000004590 computer program Methods 0.000 claims description 16
- 238000013135 deep learning Methods 0.000 abstract description 9
- 238000013473 artificial intelligence Methods 0.000 abstract description 7
- 238000010586 diagram Methods 0.000 description 15
- 238000004891 communication Methods 0.000 description 13
- 238000005516 engineering process Methods 0.000 description 11
- 230000000694 effects Effects 0.000 description 10
- 230000008569 process Effects 0.000 description 8
- 239000011159 matrix material Substances 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 238000013459 approach Methods 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 3
- 230000003993 interaction Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000002123 temporal effect Effects 0.000 description 3
- 241001125840 Coryphaenidae Species 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 2
- 239000003086 colorant Substances 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000010267 cellular communication Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000003924 mental process Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 210000002569 neuron Anatomy 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 239000004984 smart glass Substances 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Image Analysis (AREA)
Abstract
本公开提供了一种神经网络模型的训练方法、视频处理方法、装置、电子设备和介质，涉及人工智能技术领域，尤其涉及深度学习、计算机视觉技术领域。实现方案为：获取多个第一样本图像和与多个第一样本图像对应的彩色第二样本图像；将多个第一样本图像输入特征提取子网络，以获取第一特征；将第二样本图像输入特征提取子网络，以获取第二特征；将第一特征和第二特征输入预着色子网络，以获取预着色结果；将第一特征输入对象分割子网络，以获取多个对象分割特征；将预着色结果和多个对象分割特征输入最终着色子网络，以获取最终着色结果；以及至少基于最终着色结果和第二样本图像，调整神经网络模型的参数。
Description
技术领域
本公开涉及人工智能技术领域，尤其涉及深度学习、计算机视觉技术领域，具体涉及一种神经网络模型的训练方法、视频处理方法、装置、电子设备、计算机可读存储介质和计算机程序产品。
背景技术
人工智能是研究使计算机来模拟人的某些思维过程和智能行为(如学习、推理、思考、规划等)的学科，既有硬件层面的技术也有软件层面的技术。人工智能硬件技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理等技术；人工智能软件技术主要包括计算机视觉技术、语音识别技术、自然语言处理技术以及机器学习/深度学习、大数据处理技术、知识图谱技术等几大方向。
图像与视频处理任务是应用深度学习算法的一种实践应用。使用深度学习算法能够极大提升图像与视频处理的效率。
在此部分中描述的方法不一定是之前已经设想到或采用的方法。除非另有指明，否则不应假定此部分中描述的任何方法仅因其包括在此部分中就被认为是现有技术。类似地，除非另有指明，否则此部分中提及的问题不应认为在任何现有技术中已被公认。
发明内容
本公开提供了一种神经网络模型的训练方法、视频处理方法、装置、电子设备、计算机可读存储介质和计算机程序产品。
根据本公开的一方面，提供了一种神经网络模型的训练方法。其中，该神经网络模型包括特征提取子网络、预着色子网络、对象分割子网络和最终着色子网络。该方法包括：获取多个第一样本图像和与多个第一样本图像对应的彩色第二样本图像，其中，多个第一样本图像中的每个第一样本图像均包括待处理对象；将多个第一样本图像输入特征提取子网络，以获取第一特征；将第二样本图像输入特征提取子网络，以获取第二特征；将第一特征和第二特征输入预着色子网络，以获取针对多个第一样本图像中的至少一个第一样本图像所预测的预着色结果；将第一特征输入对象分割子网络，以获取多个对象分割特征，其中，多个对象分割特征中的每个对象分割特征分别针对多个第一样本图像中的相应一个第一样本图像；将预着色结果和多个对象分割特征输入最终着色子网络，以获取最终着色结果；以及至少基于最终着色结果和第二样本图像，调整神经网络模型的参数。
根据本公开的另一方面，提供了一种视频处理方法。该方法包括：将待着***的目标着色帧、与目标着色帧相邻的至少一个帧、以及彩色参考图像输入神经网络模型，以获取针对目标着色帧的最终着色结果，其中，神经网络模型是通过根据上述的方法训练得到的。
根据本公开的另一方面，提供了一种神经网络模型的训练装置。其中，该神经网络模型包括特征提取子网络、预着色子网络、对象分割子网络和最终着色子网络。该装置包括：第一单元，被配置为获取多个第一样本图像和与多个第一样本图像对应的彩色第二样本图像，其中，多个第一样本图像中的每个第一样本图像均包括待处理对象；第二单元，被配置为将多个第一样本图像输入特征提取子网络，以获取第一特征；第二单元还被配置为将第二样本图像输入特征提取子网络，以获取第二特征；第三单元，被配置为将第一特征和第二特征输入预着色子网络，以获取针对多个第一样本图像中的至少一个第一样本图像所预测的预着色结果；第四单元，被配置为将第一特征输入对象分割子网络，以获取多个对象分割特征，其中，多个对象分割特征中的每个对象分割特征分别针对多个第一样本图像中的相应一个第一样本图像；第五单元，被配置为将预着色结果和多个对象分割特征输入最终着色子网络，以获取最终着色结果；以及第六单元，被配置为至少基于最终着色结果和第二样本图像，调整神经网络模型的参数。
根据本公开的另一方面，提供了一种视频处理装置。该装置包括：着色单元，被配置为将待着***的目标着色帧、与目标着色帧相邻的至少一个帧、以及彩色参考图像输入神经网络模型，以获取针对目标着色帧的最终着色结果，其中，神经网络模型是通过根据上述的方法训练得到的。
根据本公开的另一方面，提供了一种电子设备，包括：至少一个处理器；以及与至少一个处理器通信连接的存储器；其中存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行上述任意一种方法。
根据本公开的另一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，计算机指令用于使计算机执行上述任意一种方法。
根据本公开的另一方面，提供了一种计算机程序产品，包括计算机程序，其中，计算机程序在被处理器执行时实现上述任意一种方法。
根据本公开的一个或多个实施例，可以减少或消除着***在时域上的“抖动”或“闪烁”效果，从而提高视频着色的质量。
应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图示例性地示出了实施例并且构成说明书的一部分，与说明书的文字描述一起用于讲解实施例的示例性实施方式。所示出的实施例仅出于例示的目的，并不限制权利要求的范围。在所有附图中，相同的附图标记指代类似但不一定相同的要素。
图1示出了根据本公开的实施例的可以在其中实施本文描述的各种方法的示例性***的示意图；
图2示出了根据本公开的实施例的神经网络模型的训练方法的流程图；
图3示出了根据本公开的实施例的图2的方法中部分示例过程的流程图；
图4是示出利用根据本公开实施例的神经网络模型的训练方法来训练神经网络模型的过程示意图；
图5是示出利用根据本公开实施例的神经网络模型的训练方法来训练神经网络模型的过程示意图；
图6示出了根据本公开的实施例的神经网络模型的训练装置的结构框图；
图7示出了根据本公开的实施例的视频处理装置的结构框图；以及
图8示出了能够用于实现本公开的实施例的示例性电子设备的结构框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
在本公开中，除非另有说明，否则使用术语“第一”、“第二”等来描述各种要素不意图限定这些要素的位置关系、时序关系或重要性关系，这种术语只是用于将一个要素与另一要素区分开。在一些示例中，第一要素和第二要素可以指向该要素的同一实例，而在某些情况下，基于上下文的描述，它们也可以指代不同实例。
在本公开中对各种所述示例的描述中所使用的术语只是为了描述特定示例的目的，而并非旨在进行限制。除非上下文另外明确地表明，如果不特意限定要素的数量，则该要素可以是一个也可以是多个。此外，本公开中所使用的术语“和/或”涵盖所列出的项目中的任何一个以及全部可能的组合方式。
相关技术中，在对灰度视频进行着色时，通常由专业人员通过专用视频编辑软件，对灰度视频的每一帧进行颜色填充，这种方式耗费大量的人力物力，效率低下。在另外的相关技术中，可以使用基于深度学习的视频着色技术，使用在很多着色数据集上学习之后得到的神经网络模型来对灰度视频进行着色，然而这种方式得到的着色结果相对固定，不能按照用户的期望进行着色。在另外的相关技术中，可以基于用户提供的参考图对灰度视频进行着色，这虽然能够在一定程度上按照用户的期望进行着色，但是，着色后的视频中的同一个物体在不同时间的着色结果会存在不同，因此，当播放经着色的视频时，视频在时域上会存在明显的“抖动”或“闪烁”效果，降低视频着色的质量。
为解决上述问题，本公开提出一种神经网络模型的训练方法，通过以待着色的多个第一样本图像以及对应的彩色第二样本图像作为训练样本，并针对每个第一样本图像，均获取对应的对象分割特征，利用对象分割特征，能够引导神经网络模型更加关注多个第一样本图像中的待着色对象。基于此而训练得到的神经网络模型，在利用参考图对待着色图像进行着色的基础上，由于模型更加关注图像中的待着色对象，能够使得着色后的图像所形成的视频中的同一个对象在不同时间的着色结果尽可能相近，从而减少或消除着***在时域上的“抖动”或“闪烁”效果，提高视频着色的质量。
在本公开中，神经网络的“子网络”并不一定是基于由神经元构成的层的网络结构，也可能通过其他网络结构和处理方法对输入子网络的数据、特征等进行处理，在此不做限定。
本公开的技术方案中，所涉及的用户个人信息的收集、存储、使用、加工、传输、提供和公开等处理，均符合相关法律法规的规定，且不违背公序良俗。
下面将结合附图详细描述本公开的实施例。
图1示出了根据本公开的实施例可以将本文描述的各种方法和装置在其中实施的示例性***100的示意图。参考图1，该***100包括一个或多个客户端设备101、102、103、104、105和106、服务器120以及将一个或多个客户端设备耦接到服务器120的一个或多个通信网络110。客户端设备101、102、103、104、105和106可以被配置为执行一个或多个应用程序。
在本公开的实施例中，服务器120可以运行使得能够执行模型训练方法或视频处理方法的一个或多个服务或软件应用。
在某些实施例中，服务器120还可以提供可以包括非虚拟环境和虚拟环境的其他服务或软件应用。在某些实施例中，这些服务可以作为基于web的服务或云服务提供，例如在软件即服务(SaaS)模型下提供给客户端设备101、102、103、104、105和/或106的用户。
在图1所示的配置中，服务器120可以包括实现由服务器120执行的功能的一个或多个组件。这些组件可以包括可由一个或多个处理器执行的软件组件、硬件组件或其组合。操作客户端设备101、102、103、104、105和/或106的用户可以依次利用一个或多个客户端应用程序来与服务器120进行交互以利用这些组件提供的服务。应当理解，各种不同的***配置是可能的，其可以与***100不同。因此，图1是用于实施本文所描述的各种方法的***的一个示例，并且不旨在进行限制。
用户可以使用客户端设备101、102、103、104、105和/或106来提供带着色的视频以及参考图像。客户端设备可以提供使客户端设备的用户能够与客户端设备进行交互的接口。客户端设备还可以经由该接口向用户输出信息。尽管图1仅描绘了六种客户端设备，但是本领域技术人员将能够理解，本公开可以支持任何数量的客户端设备。
客户端设备101、102、103、104、105和/或106可以包括各种类型的计算机设备，例如便携式手持设备、通用计算机(诸如个人计算机和膝上型计算机)、工作站计算机、可穿戴设备、智能屏设备、自助服务终端设备、服务机器人、游戏***、瘦客户端、各种消息收发设备、传感器或其他感测设备等。这些计算机设备可以运行各种类型和版本的软件应用程序和操作***，例如MICROSOFT Windows、APPLE iOS、类UNIX操作***、Linux或类Linux操作***(例如GOOGLE Chrome OS)；或包括各种移动操作***，例如MICROSOFT WindowsMobile OS、iOS、Windows Phone、Android。便携式手持设备可以包括蜂窝电话、智能电话、平板电脑、个人数字助理(PDA)等。可穿戴设备可以包括头戴式显示器(诸如智能眼镜)和其他设备。游戏***可以包括各种手持式游戏设备、支持互联网的游戏设备等。客户端设备能够执行各种不同的应用程序，例如各种与Internet相关的应用程序、通信应用程序(例如电子邮件应用程序)、短消息服务(SMS)应用程序，并且可以使用各种通信协议。
网络110可以是本领域技术人员熟知的任何类型的网络，其可以使用多种可用协议中的任何一种(包括但不限于TCP/IP、SNA、IPX等)来支持数据通信。仅作为示例，一个或多个网络110可以是局域网(LAN)、基于以太网的网络、令牌环、广域网(WAN)、因特网、虚拟网络、虚拟专用网络(VPN)、内部网、外部网、公共交换电话网(PSTN)、红外网络、无线网络(例如蓝牙、WIFI)和/或这些和/或其他网络的任意组合。
服务器120可以包括一个或多个通用计算机、专用服务器计算机(例如PC(个人计算机)服务器、UNIX服务器、中端服务器)、刀片式服务器、大型计算机、服务器群集或任何其他适当的布置和/或组合。服务器120可以包括运行虚拟操作***的一个或多个虚拟机，或者涉及虚拟化的其他计算架构(例如可以被虚拟化以维护服务器的虚拟存储设备的逻辑存储设备的一个或多个灵活池)。在各种实施例中，服务器120可以运行提供下文所描述的功能的一个或多个服务或软件应用。
服务器120中的计算单元可以运行包括上述任何操作***以及任何商业上可用的服务器操作***的一个或多个操作***。服务器120还可以运行各种附加服务器应用程序和/或中间层应用程序中的任何一个，包括HTTP服务器、FTP服务器、CGI服务器、JAVA服务器、数据库服务器等。
在一些实施方式中，服务器120可以包括一个或多个应用程序，例如，基于图像、视频、语音、文本、数字信号等数据的目标检测与识别、信号转换等服务的应用程序，以处理从客户端设备101、102、103、104、105和/或106接收的语音交互、文本分类、图像识别或关键点检测等任务请求。服务器可以根据具体的深度学习任务，利用训练样本训练神经网络模型，并且可以对神经网络模型的超网络模块中的各个子网络进行测试，根据各个子网络的测试结果，确定用于执行深度学习任务的神经网络模型的结构和参数。可以将各种数据作为深度学习任务的训练样本数据，如图像数据、音频数据、视频数据或文本数据等。在神经网络模型的训练完成后，服务器120还可以通过模型搜索技术自动搜索出最优模型结构来执行相应的任务。
在一些实施方式中，服务器120可以为分布式***的服务器，或者是结合了区块链的服务器。服务器120也可以是云服务器，或者是带人工智能技术的智能云计算服务器或智能云主机。云服务器是云计算服务体系中的一项主机产品，以解决传统物理主机与虚拟专用服务器(VPS，Virtual Private Server)服务中存在的管理难度大、业务扩展性弱的缺陷。
***100还可以包括一个或多个数据库130。在某些实施例中，这些数据库可以用于存储数据和其他信息。例如，数据库130中的一个或多个可用于存储诸如音频文件和视频文件的信息。数据库130可以驻留在各种位置。例如，由服务器120使用的数据库可以在服务器120本地，或者可以远离服务器120且可以经由基于网络或专用的连接与服务器120通信。数据库130可以是不同的类型。在某些实施例中，由服务器120使用的数据库例如可以是关系数据库。这些数据库中的一个或多个可以响应于命令而存储、更新和检索到数据库以及来自数据库的数据。
在某些实施例中，数据库130中的一个或多个还可以由应用程序使用来存储应用程序数据。由应用程序使用的数据库可以是不同类型的数据库，例如键值存储库，对象存储库或由文件***支持的常规存储库。
图1的***100可以以各种方式配置和操作，以使得能够应用根据本公开所描述的各种方法和装置。
图2示出了根据本公开的实施例的神经网络模型的训练方法200的流程图，其中，所述神经网络模型包括特征提取子网络、预着色子网络、对象分割子网络和最终着色子网络。方法200包括：
步骤S210、获取多个第一样本图像和与多个第一样本图像对应的彩色第二样本图像，其中，多个第一样本图像中的每个第一样本图像均包括待处理对象；
步骤S220、将多个第一样本图像输入特征提取子网络，以获取第一特征；
步骤S230、将第二样本图像输入特征提取子网络，以获取第二特征；
步骤S240、将第一特征和第二特征输入预着色子网络，以获取针对多个第一样本图像中的至少一个第一样本图像所预测的预着色结果；
步骤S250、将第一特征输入对象分割子网络，以获取多个对象分割特征，其中，多个对象分割特征中的每个对象分割特征分别针对多个第一样本图像中的相应一个第一样本图像；
步骤S260、将预着色结果和多个对象分割特征输入最终着色子网络，以获取最终着色结果；以及
步骤S270、至少基于最终着色结果和第二样本图像，调整神经网络模型的参数。
方法200通过以待着色的多个第一样本图像以及对应的彩色第二样本图像作为训练样本，并针对每个第一样本图像，均获取对应的对象分割特征，利用对象分割特征，能够引导神经网络模型更加关注多个第一样本图像中的待着色对象。基于此而训练得到的神经网络模型，在利用参考图对待着色图像进行着色的基础上，由于模型更加关注图像中的待着色对象，能够使得着色后的图像所形成的视频中的同一个对象在不同时间的着色结果尽可能相近，从而减少或消除着***在时域上的“抖动”或“闪烁”效果，提高视频着色的质量。
应当理解，第一样本图像和第二样本图像中的所述“对象”可以是图像中所包括的实例或物体的像。
根据一些实施例，所述多个第一样本图像中的每个第一样本图像均可以包括相同种类和相同数量的对象，并且所述第二样本图像可以包括与每个第一样本图像中的对象对应的彩色参考对象。
所采用的训练样本中，多个第一样本图像与第二样本图像中包括种类和数量均相同的对象，而第二样本图像中所包括的对象是彩色对象。换言之，第二样本图像中的对象与多个第一样本图像中的对象的不同仅在于所包括的对象的颜色。由此能够提升训练得到的神经网络模型对第一样本图像的预着色的质量，从而提升对第一样本图像的最终着色质量。
根据一些实施例，第二样本图像可以是Lab色彩空间的彩色图像。
不同于RGB或CMYK色彩空间，Lab色彩空间由三个要素构成，一个要素是亮度L；a和b是两个颜色通道。a包括的颜色是从深绿色(低亮度值)到灰色(中亮度值)再到亮粉红色(高亮度值)；b是从亮蓝色(低亮度值)到灰色(中亮度值)再到黄色(高亮度值)。可见，使用Lab色彩空间来表示第二样本图像，由于只需两个通道的特征(即上述a、b两个颜色通道特征)，而无需亮度通道L的特征(因为作为用于参考着色的参考图像，只需要第二样本图像的色彩信息，而无需其亮度信息)，这减少了模型运算过程中的特征通道数量，从而提升模型训练的速度。另一方面，相对于RGB色彩空间，Lab色彩空间对色彩的表示更加线性，这降低了模型训练的难度，从而进一步提升模型训练的效率，也使得当使用训练得到的模型对图像进行着色时，着色质量更高。
根据一些实施例，所述多个第一样本图像可以是待着***中的连续的多个帧。由于在连续的多个帧中，所包括的对象在相邻帧之间的位置可能发生变化，通过使用待着***中的连续多个帧作为多个第一样本图像，训练样本更加符合模型使用时的实际输入值，基于此训练得到的模型能够进一步提升对待着***的连续多个帧的着色效果，从而减少或消除着***在时域上的“抖动”或“闪烁”效果，提高视频着色的质量。
根据一些实施例，所述连续的多个帧可以是连续的3个帧，并且，获取针对多个第一样本图像中的至少一个第一样本图像所预测的预着色结果可以包括：获取针对3个帧中的中间帧所预测的预着色结果。
由此，使用连续3个帧作为多个第一样本图像，而仅对中间帧预测其预着色结果，使得模型针对中间帧所预测的最终着色结果能够更加关注中间帧的前后相邻帧中的对象，使得在最终着色结果中，中间帧中的对象着色结果相对于相邻帧中的对象的着色结果更加统一，即，着色后的视频中的同一个对象在相邻3帧中的着色结果相近，从而减少或消除视频在时域上的“抖动”或“闪烁”效果，提升视频着色的质量。
在一些示例中，在步骤S220和步骤S230中，可以使用VGG、ResNet50、ResNet101等现有的图像特征提取主干网络或它们的组合，对多个第一样本图像和第二样本图像进行特征提取。
在一些示例中，可以使用自定义的特征提取子网络。例如，特征提取子网络可以先对多个第一样本图像分别进行特征提取，以得到多个提取出的特征，进一步地，可以对提取出的多个特征进行合并操作，从而得到一个第一特征。
在一些示例中，在步骤S240中，可以使用nonlocal网络作为预着色子网络，对多个第一样本图像中的至少一个第一样本图像进行预着色。应当理解的是，可以对多个第一样本图像中的一个、两个或更多个第一样本图像进行预着色；相应地，基于预着色结果，可以获取一个、两个或更多个最终着色结果。
根据一些实施例，在步骤S260、将预着色结果和多个对象分割特征输入最终着色子网络可以包括：将预着色结果和多个对象分割特征在特征通道维度进行合并；以及将合并得到的结果输入最终着色子网络，以获取最终着色结果。
由此，通过先对预着色结果和多个对象分割特征在特征通道维度进行合并，得到特征块，再将合并得到的特征块输入最终着色子网络，简化了最终着色子网络的输入，提高模型的运算效率。
应当理解，在特征通道维度进行合并指的是不改变所合并的特征的高度和宽度，而将特征通道的数量进行累加。
根据一些实施例，所述对象分割特征可以是对象分割掩膜。对象分割掩膜(mask)可以由0和1组成，即，在掩膜中用1表示图像中的分割出对象的部分；在掩膜中用0表示图像中的未分割出对象的部分(例如背景)，由此，结合对象分割掩膜，最终着色子网络能够精准地对图像中用1表示的分割出对象的部分进行最终着色，而不会错误地将对象周围的部分(例如用0表示的背景部分)也进行相同的着色。由此，最终着色结果在相邻帧之间更加精准，从而减少或消除着***的“抖动”效果。
图3示出了根据本公开的实施例的图2的方法200中部分示例过程(即步骤S270)的流程图。如图3所示，根据一些实施例，至少基于最终着色结果和第二样本图像，调整神经网络模型的参数的步骤可以包括：
S371、基于最终着色结果和第二样本图像，计算第一损失值；
S372、至少基于对象分割特征计算第二损失值；以及
S373、基于第一损失值和第二损失值，调整神经网络模型的参数。
由此，不仅根据基于最终着色结果和第二样本图像得到的第一损失值对神经网络模型进行调参，还根据至少基于对象分割特征得到的第二损失值对神经网络模型进行调参，使得模型参数能够更加针对对象分割特征进行优化，从而使训练得到的模型更加关注对象分割特征，进一步提升最终着色质量。
可以理解的是，第二损失值可以是基于对象分割特征与相应的ground truth而计算的。
根据本公开的实施例，还提供了一种视频处理方法，该视频处理方法包括：将待着***的目标着色帧、与目标着色帧相邻的至少一个帧、以及彩色参考图像输入神经网络模型，以获取针对目标着色帧的最终着色结果，其中，神经网络模型是通过根据上述的神经网络模型训练方法训练得到的。
由此，使用根据上述的神经网络模型训练方法训练得到的模型，对待着色的视频帧进行着色，使得目标着色帧中的对象着色结果相对于相邻帧中的对象的着色结果更加统一，即，着色后的视频中的同一个对象在目标着色帧与相邻帧中的着色结果相近，从而减少或消除视频在时域上的“抖动”或“闪烁”效果，提升视频着色的质量。
以下将结合图4和图5，对根据本公开实施例的神经网络模型的训练方法做出进一步说明。
图4和图5是示出利用根据本公开实施例的神经网络模型的训练方法来训练神经网络模型的过程示意图。
如图4所示，神经网络模型400包括：征提取子网络410、预着色子网络420、对象分割子网络430和最终着色子网络440。此外，图5示出了预着色子网络520、对象分割子网络530和最终着色子网络540，它们分别与图4示出的预着色子网络420、对象分割子网络430和最终着色子网络440相似。
可以先获取多个第一样本图像401、402、403(例如待着***的连续三帧，即，t-1帧、t帧和t+1帧)以及对应的彩色第二样本图像404(例如参考图像)。其中，多个第一样本图像中的每个第一样本图像401、402、403均包括相同种类和相同数量的对象(即，t-1帧、t帧、和t+1帧均包括海豚、玩具、手臂)，并且第二样本图像404(参考图像)包括与每个第一样本图像中的对象一一对应的彩色参考对象(例如彩色的海豚、玩具、手臂)。这里，第二样本图像是Lab色彩空间的彩色图像。
将获取到的多个第一样本图像以及彩色第二样本图像输入神经网络模型400的征提取子网络410，以分别对多个第一样本图像以及第二样本图像进行特征提取。例如，针对3个第一样本图像中的每个第一样本图像，可以分别提取出一个维度为(H11，W11，Cx)的特征图，并对3个维度为(H1，W1，Cx)的特征图进行合并，得到维度为(H11，W11，C)的第一特征，其中，H、W分别表示特征图的高度、宽度；C表示特征通道数。针对第二样本图像，可以提取出一个维度为(H22，W22，C)的第二特征。
获取到第一特征和第二特征后，可以将第一特征和第二特征输入预着色子网络420。这里，继续参考图5，第一特征和第二特征被输入预着色子网络520，为了便于计算，可以先将这两个特征拉平，分别得到维度为((H11*W11)，C)的第一拉平特征501-1以及维度为((H22*W22)，C)的第二拉平特征501-2。随后，可以对第二拉平特征501-2进行转置，得到维度为(C,(H22*W22))的特征矩阵。随后，例如使用矩阵乘法，将上述两路特征相乘，以得到相似度矩阵502(((H11*W11)，C)*(C,(H22*W22)))，相似度矩阵502用于表示待着色帧(例如第t帧)中的每个像素与参考图像中的每个像素之间的相似度映射。
随后，预着色子网络可以根据得到的相似度矩阵502，对参考图像中的每个像素的色彩信息进行采样(例如对参考图像的a、b通道的色彩信息进行采样)，进而将采样得到的色彩信息映射至待着色的帧中，从而得到预着色结果。具体而言，可以将相似度矩阵502与参考图像的Lab图相乘，即，((H11*W11)，(H22*W22)*(H22*H22，C)得到((H11*W11)，C)，再将其转换为(H11，W11，C)，便得到预着色结果。
进一步地，参考图5，需要对预着色结果进一步优化。因此，可以将第一特征输入对象分割子网络530，以获取多个对象分割特征(例如上文提到的对象分割掩膜)，其中，多个对象分割特征中的每个对象分割特征分别针对多个第一样本图像中的相应一个第一样本图像。具体地，针对t-1帧、t帧和t+1帧，可以将第一特征读取为三个通道的对象分割掩膜。
进一步地，将预着色结果和多个对象分割特征输入最终着色子网络540，从而获取最终着色结果。
继续参考图4，可以至少基于最终着色结果和第二样本图像，调整神经网络模型的参数。具体地，可以基于最终着色结果和第二样本图像404(即，参考图像)，计算第一损失值；并基于对象分割特征和与之相对应的对象分割ground truth 405，来计算第二损失值。这里，第一损失值可以是最终着色结果与参考图像在ab色彩空间中的L1损失。由此，不仅根据基于最终着色结果和第二样本图像得到的第一损失值对神经网络模型进行调参，还根据至少基于对象分割特征得到的第二损失值对神经网络模型进行调参，使得模型参数能够更加针对对象分割特征进行优化，从而使训练得到的模型更加关注对象分割特征，能够使得着色后的图像所形成的视频中的同一个对象在不同时间的着色结果尽可能相近，从而减少或消除着***在时域上的“抖动”或“闪烁”效果，提高视频着色的质量。
图6示出了根据本公开的实施例的神经网络模型的训练装置600的结构框图。其中，所述神经网络模型包括特征提取子网络、预着色子网络、对象分割子网络和最终着色子网络。如图6所示，装置600包括：
第一单元610，被配置为获取多个第一样本图像和与多个第一样本图像对应的彩色第二样本图像，其中，多个第一样本图像中的每个第一样本图像均包括待处理对象；
第二单元620，被配置为将多个第一样本图像输入特征提取子网络，以获取第一特征；
第二单元620还被配置为将第二样本图像输入特征提取子网络，以获取第二特征；
第三单元630，被配置为将第一特征和第二特征输入预着色子网络，以获取针对多个第一样本图像中的至少一个第一样本图像所预测的预着色结果；
第四单元640，被配置为将第一特征输入对象分割子网络，以获取多个对象分割特征，其中，多个对象分割特征中的每个对象分割特征分别针对多个第一样本图像中的相应一个第一样本图像；
第五单元650，被配置为将预着色结果和多个对象分割特征输入最终着色子网络，以获取最终着色结果；以及
第六单元660，被配置为至少基于最终着色结果和第二样本图像，调整神经网络模型的参数。
根据一些实施例，第六单元660可以被进一步配置为：基于最终着色结果和所述第二样本图像，计算第一损失值；至少基于对象分割特征计算第二损失值；以及基于第一损失值和所述第二损失值，调整神经网络模型的参数。
根据一些实施例，第五单元650可以被进一步配置为：将预着色结果和多个对象分割特征在特征通道维度进行合并；以及将合并得到的结果输入最终着色子网络，以获取最终着色结果。
根据一些实施例，多个第一样本图像可以是待着***中的连续的多个帧。
根据一些实施例，连续的多个帧可以是连续的3个帧，并且其中，第三单元被可以进一步配置为：获取针对3个帧中的中间帧所预测的预着色结果。
根据一些实施例，对象分割特征可以是对象分割掩膜。
根据一些实施例，多个第一样本图像中的每个第一样本图像可以均包括相同种类和相同数量的对象，并且其中，第二样本图像可以包括与每个第一样本图像中的对象对应的彩色参考对象。
根据一些实施例，第二样本图像可以是Lab色彩空间的彩色图像。
图7示出了根据本公开的实施例的视频处理装置700的结构框图。
如图7所示，装置700包括：着色单元710，被配置为将待着***的目标着色帧、与目标着色帧相邻的至少一个帧、以及彩色参考图像输入神经网络模型，以获取针对目标着色帧的最终着色结果，其中，神经网络模型是通过根据上述的方法训练得到的。
本公开还提供一种电子设备，包括：至少一个处理器；以及与至少一个处理器通信连接的存储器；其中存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行上述任意一种方法。
本公开还提供一种存储有计算机指令的非瞬时计算机可读存储介质，其中，计算机指令用于使计算机执行上述任意一种方法。
本公开还提供一种计算机程序产品，包括计算机程序，其中，计算机程序在被处理器执行时实现上述任意一种方法。
参考图8，现将描述可以作为本公开的服务器或客户端的电子设备800的结构框图，其是可以应用于本公开的各方面的硬件设备的示例。电子设备旨在表示各种形式的数字电子的计算机设备，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图8所示，设备800包括计算单元801，其可以根据存储在只读存储器(ROM)802中的计算机程序或者从存储单元808加载到随机访问存储器(RAM)803中的计算机程序，来执行各种适当的动作和处理。在RAM 803中，还可存储设备800操作所需的各种程序和数据。计算单元801、ROM 802以及RAM 803通过总线804彼此相连。输入/输出(I/O)接口805也连接至总线804。
设备800中的多个部件连接至I/O接口805，包括：输入单元806、输出单元807、存储单元808以及通信单元809。输入单元806可以是能向设备800输入信息的任何类型的设备，输入单元806可以接收输入的数字或字符信息，以及产生与电子设备的用户设置和/或功能控制有关的键信号输入，并且可以包括但不限于鼠标、键盘、触摸屏、轨迹板、轨迹球、操作杆、麦克风和/或遥控器。输出单元807可以是能呈现信息的任何类型的设备，并且可以包括但不限于显示器、扬声器、视频/音频输出终端、振动器和/或打印机。存储单元808可以包括但不限于磁盘、光盘。通信单元809允许设备800通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据，并且可以包括但不限于调制解调器、网卡、红外通信设备、无线通信收发机和/或芯片组，例如蓝牙TM设备、802.11设备、WiFi设备、WiMax设备、蜂窝通信设备和/或类似物。
计算单元801可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元801的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元801执行上文所描述的各个方法和处理，例如方法200。例如，在一些实施例中，根据本公开实施例的方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元808。在一些实施例中，计算机程序的部分或者全部可以经由ROM 802和/或通信单元809而被载入和/或安装到设备800上。当计算机程序加载到RAM 803并由计算单元801执行时，可以执行上文描述的方法的一个或多个步骤。备选地，在其他实施例中，计算单元801可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行根据本公开实施例的方法。
本文中以上描述的***和技术的各种实施方式可以在数字电子电路***、集成电路***、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上***的***(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程***上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储***、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储***、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行***、装置或设备使用或与指令执行***、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体***、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互，可以在计算机上实施此处描述的***和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的***和技术实施在包括后台部件的计算***(例如，作为数据服务器)、或者包括中间件部件的计算***(例如，应用服务器)、或者包括前端部件的计算***(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的***和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算***中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将***的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。
计算机***可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，也可以为分布式***的服务器，或者是结合了区块链的服务器。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本公开中记载的各步骤可以并行地执行、也可以顺序地或以不同的次序执行，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。
虽然已经参照附图描述了本公开的实施例或示例，但应理解，上述的方法、***和设备仅仅是示例性的实施例或示例，本发明的范围并不由这些实施例或示例限制，而是仅由授权后的权利要求书及其等同范围来限定。实施例或示例中的各种要素可以被省略或者可由其等同要素替代。此外，可以通过不同于本公开中描述的次序来执行各步骤。进一步地，可以以各种方式组合实施例或示例中的各种要素。重要的是随着技术的演进，在此描述的很多要素可以由本公开之后出现的等同要素进行替换。
Claims (21)
1.一种神经网络模型的训练方法，其中，所述神经网络模型包括特征提取子网络、预着色子网络、对象分割子网络和最终着色子网络，所述方法包括：
获取多个第一样本图像和与所述多个第一样本图像对应的彩色第二样本图像，其中，所述多个第一样本图像中的每个第一样本图像均包括待处理对象；
将所述多个第一样本图像输入所述特征提取子网络，以获取第一特征；
将所述第二样本图像输入所述特征提取子网络，以获取第二特征；
将所述第一特征和所述第二特征输入所述预着色子网络，以获取针对所述多个第一样本图像中的至少一个第一样本图像所预测的预着色结果；
将所述第一特征输入所述对象分割子网络，以获取多个对象分割特征，其中，所述多个对象分割特征中的每个对象分割特征分别针对所述多个第一样本图像中的相应一个第一样本图像；
将所述预着色结果和所述多个对象分割特征输入所述最终着色子网络，以获取最终着色结果；以及
至少基于所述最终着色结果和所述第二样本图像，调整所述神经网络模型的参数。
2.根据权利要求1所述的方法，其中，至少基于所述最终着色结果和所述第二样本图像，调整所述神经网络模型的参数包括：
基于所述最终着色结果和所述第二样本图像，计算第一损失值；
至少基于所述对象分割特征计算第二损失值；以及
基于所述第一损失值和所述第二损失值，调整所述神经网络模型的参数。
3.根据权利要求1所述的方法，其中，将所述预着色结果和所述多个对象分割特征输入所述最终着色子网络包括：
将所述预着色结果和所述多个对象分割特征在特征通道维度进行合并；以及
将合并得到的结果输入所述最终着色子网络，以获取所述最终着色结果。
4.根据权利要求1所述的方法，其中，所述多个第一样本图像是待着***中的连续的多个帧。
5.根据权利要求4所述的方法，其中，所述连续的多个帧是连续的3个帧，并且其中，获取针对所述多个第一样本图像中的至少一个第一样本图像所预测的预着色结果包括：
获取针对所述3个帧中的中间帧所预测的预着色结果。
6.根据权利要求1至5中任一项所述的方法，其中，所述对象分割特征是对象分割掩膜。
7.根据权利要求1至5中任一项所述的方法，其中，所述多个第一样本图像中的每个第一样本图像均包括相同种类和相同数量的对象，并且其中，所述第二样本图像包括与所述每个第一样本图像中的对象对应的彩色参考对象。
8.根据权利要求1至5中任一项所述的方法，其中，所述第二样本图像是Lab色彩空间的彩色图像。
9.一种视频处理方法，包括：
将待着***的目标着色帧、与所述目标着色帧相邻的至少一个帧、以及彩色参考图像输入神经网络模型，以获取针对所述目标着色帧的最终着色结果，其中，所述神经网络模型是通过根据权利要求1至8中任一项所述的方法训练得到的。
10.一种神经网络模型的训练装置，其中，所述神经网络模型包括特征提取子网络、预着色子网络、对象分割子网络和最终着色子网络，所述装置包括：
第一单元，被配置为获取多个第一样本图像和与所述多个第一样本图像对应的彩色第二样本图像，其中，所述多个第一样本图像中的每个第一样本图像均包括待处理对象；
第二单元，被配置为将所述多个第一样本图像输入所述特征提取子网络，以获取第一特征；
所述第二单元还被配置为将所述第二样本图像输入所述特征提取子网络，以获取第二特征；
第三单元，被配置为将所述第一特征和所述第二特征输入所述预着色子网络，以获取针对所述多个第一样本图像中的至少一个第一样本图像所预测的预着色结果；
第四单元，被配置为将所述第一特征输入所述对象分割子网络，以获取多个对象分割特征，其中，所述多个对象分割特征中的每个对象分割特征分别针对所述多个第一样本图像中的相应一个第一样本图像；
第五单元，被配置为将所述预着色结果和所述多个对象分割特征输入所述最终着色子网络，以获取最终着色结果；以及
第六单元，被配置为至少基于所述最终着色结果和所述第二样本图像，调整所述神经网络模型的参数。
11.根据权利要求10所述的装置，其中，所述第六单元被进一步配置为：
基于所述最终着色结果和所述第二样本图像，计算第一损失值；
至少基于所述对象分割特征计算第二损失值；以及
基于所述第一损失值和所述第二损失值，调整所述神经网络模型的参数。
12.根据权利要求10所述的装置，其中，所述第五单元被进一步配置为：
将所述预着色结果和所述多个对象分割特征在特征通道维度进行合并；以及
将合并得到的结果输入所述最终着色子网络，以获取所述最终着色结果。
13.根据权利要求10所述的装置，其中，所述多个第一样本图像是待着***中的连续的多个帧。
14.根据权利要求13所述的装置，其中，所述连续的多个帧是连续的3个帧，并且其中，所述第三单元被进一步配置为：
获取针对所述3个帧中的中间帧所预测的预着色结果。
15.根据权利要求10至14中任一项所述的装置，其中，所述对象分割特征是对象分割掩膜。
16.根据权利要求10至14中任一项所述的装置，其中，所述多个第一样本图像中的每个第一样本图像均包括相同种类和相同数量的对象，并且其中，所述第二样本图像包括与所述每个第一样本图像中的对象对应的彩色参考对象。
17.根据权利要求10至14中任一项所述的装置，其中，所述第二样本图像是Lab色彩空间的彩色图像。
18.一种视频处理装置，包括：
着色单元，被配置为将待着***的目标着色帧、与所述目标着色帧相邻的至少一个帧、以及彩色参考图像输入神经网络模型，以获取针对所述目标着色帧的最终着色结果，其中，所述神经网络模型是通过根据权利要求1至8中任一项所述的方法训练得到的。
19.一种电子设备，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-9中任一项所述的方法。
20.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据权利要求1-9中任一项所述的方法。
21.一种计算机程序产品，包括计算机程序，其中，所述计算机程序在被处理器执行时实现权利要求1-9中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210107911.9A CN114511811A (zh) | 2022-01-28 | 2022-01-28 | 视频处理方法、装置、电子设备和介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210107911.9A CN114511811A (zh) | 2022-01-28 | 2022-01-28 | 视频处理方法、装置、电子设备和介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114511811A true CN114511811A (zh) | 2022-05-17 |
Family
ID=81551818
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210107911.9A Pending CN114511811A (zh) | 2022-01-28 | 2022-01-28 | 视频处理方法、装置、电子设备和介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114511811A (zh) |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20140241625A1 (en) * | 2013-02-27 | 2014-08-28 | Takeshi Suzuki | Image processing method, image processing apparatus, and computer program product |
| CN104044352A (zh) * | 2014-06-18 | 2014-09-17 | 浙江工业大学 | 一种基于图像分割的自动着色方法与着色装置 |
| CN107770618A (zh) * | 2017-11-02 | 2018-03-06 | 腾讯科技（深圳）有限公司 | 一种图像处理方法、装置及存储介质 |
| CN110070551A (zh) * | 2019-04-29 | 2019-07-30 | 北京字节跳动网络技术有限公司 | 视频图像的渲染方法、装置和电子设备 |
| CN111476863A (zh) * | 2020-04-02 | 2020-07-31 | 北京奇艺世纪科技有限公司 | 一种黑白漫画上色的方法、装置、电子设备及存储介质 |
| CN111783986A (zh) * | 2020-07-02 | 2020-10-16 | 清华大学 | 网络训练方法及装置、姿态预测方法及装置 |
| CN113177451A (zh) * | 2021-04-21 | 2021-07-27 | 北京百度网讯科技有限公司 | 图像处理模型的训练方法、装置、电子设备及存储介质 |
| CN113411550A (zh) * | 2020-10-29 | 2021-09-17 | 腾讯科技（深圳）有限公司 | 视频上色方法、装置、设备及存储介质 |
| CN113888560A (zh) * | 2021-09-29 | 2022-01-04 | 北京百度网讯科技有限公司 | 用于处理图像的方法、装置、设备以及存储介质 |
-
2022
- 2022-01-28 CN CN202210107911.9A patent/CN114511811A/zh active Pending
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20140241625A1 (en) * | 2013-02-27 | 2014-08-28 | Takeshi Suzuki | Image processing method, image processing apparatus, and computer program product |
| CN104044352A (zh) * | 2014-06-18 | 2014-09-17 | 浙江工业大学 | 一种基于图像分割的自动着色方法与着色装置 |
| CN107770618A (zh) * | 2017-11-02 | 2018-03-06 | 腾讯科技（深圳）有限公司 | 一种图像处理方法、装置及存储介质 |
| CN110070551A (zh) * | 2019-04-29 | 2019-07-30 | 北京字节跳动网络技术有限公司 | 视频图像的渲染方法、装置和电子设备 |
| CN111476863A (zh) * | 2020-04-02 | 2020-07-31 | 北京奇艺世纪科技有限公司 | 一种黑白漫画上色的方法、装置、电子设备及存储介质 |
| CN111783986A (zh) * | 2020-07-02 | 2020-10-16 | 清华大学 | 网络训练方法及装置、姿态预测方法及装置 |
| CN113411550A (zh) * | 2020-10-29 | 2021-09-17 | 腾讯科技（深圳）有限公司 | 视频上色方法、装置、设备及存储介质 |
| CN113177451A (zh) * | 2021-04-21 | 2021-07-27 | 北京百度网讯科技有限公司 | 图像处理模型的训练方法、装置、电子设备及存储介质 |
| CN113888560A (zh) * | 2021-09-29 | 2022-01-04 | 北京百度网讯科技有限公司 | 用于处理图像的方法、装置、设备以及存储介质 |
Non-Patent Citations (3)
| Title |
|---|
| YIHAO LIU, HENGYUAN ZHAO, KELVIN C.K. CHAN, XINTAO WANG, CHEN CHANGE LOY, YU QIAO, CHAO DONG: "Temporally Consistent Video Colorization with Deep Feature Propagation and Self-regularization Learning", ARXIV, 9 October 2021 (2021-10-09) * |
| 何山;方利;张政;: "基于改进的区域全卷积神经网络和联合双边滤波的图像着色方法", 激光与光电子学进展, no. 12, 25 June 2020 (2020-06-25) * |
| 张娜;秦品乐;曾建潮;李启;: "基于密集神经网络的灰度图像着色算法", 计算机应用, no. 06, 21 January 2019 (2019-01-21) * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN114511758A (zh) | 图像识别方法及装置、电子设备和介质 | |
| CN114612749B (zh) | 神经网络模型训练方法及装置、电子设备和介质 | |
| US20220301108A1 (en) | Image quality enhancing | |
| CN115438214B (zh) | 处理文本图像的方法及装置、神经网络的训练方法 | |
| CN112967355B (zh) | 图像填充方法及装置、电子设备和介质 | |
| CN112749685B (zh) | 视频分类方法、设备和介质 | |
| CN114743196A (zh) | 用于文本识别的神经网络及其训练方法、文本识别的方法 | |
| CN115511779B (zh) | 图像检测方法、装置、电子设备和存储介质 | |
| CN113642740A (zh) | 模型训练方法及装置、电子设备和介质 | |
| CN116245998B (zh) | 渲染贴图生成方法及装置、模型训练方法及装置 | |
| CN116152607A (zh) | 目标检测方法、训练目标检测模型的方法及装置 | |
| CN116450944A (zh) | 基于推荐模型的资源推荐方法、装置、电子设备和介质 | |
| CN116402914A (zh) | 用于确定风格化图像生成模型的方法、装置及产品 | |
| CN115601555A (zh) | 图像处理方法及装置、设备和介质 | |
| CN114511811A (zh) | 视频处理方法、装置、电子设备和介质 | |
| CN114429678A (zh) | 模型训练方法及装置、电子设备和介质 | |
| CN114429548A (zh) | 图像处理方法、神经网络及其训练方法、装置和设备 | |
| CN114494524A (zh) | 视频处理方法、装置、电子设备和介质 | |
| CN114120420B (zh) | 图像检测方法和装置 | |
| CN116127035B (zh) | 对话方法、对话模型的训练方法及装置 | |
| CN115620271B (zh) | 图像处理、模型训练方法和装置 | |
| CN115512131B (zh) | 图像检测方法和图像检测模型的训练方法 | |
| CN117291838A (zh) | 图像色彩处理方法、处理模型训练方法、装置、电子设备 | |
| CN113284484B (zh) | 模型训练方法及装置、语音识别方法和语音合成方法 | |
| CN115423827B (zh) | 图像处理方法、装置、电子设备和存储介质 |
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 |