摘要
本发明提供一种时域上下文的优化方法及装置,获取参考帧和重建运动向量并生成预测帧;通过运动估计网络提取预测帧与参考帧之间的帧间相关性,根据帧间相关性确定定向运动向量;利用定向运动向量和参考帧进行时域对齐和特征提取,生成定向时域上下文;将定向时域上下文和传播时域上下文进行特征融合计算,得到补偿时域上下文。本发明基于条件编码的端到端视频编码框架,在解码端利用参考帧、参考特征以及重建运动向量进行迭代计算,精细化调整时域上下文,从而显著提升时域上下文的质量和准确性。这一优化有效提升了运动补偿的精确度,并优化了整个视频编码流程,减少了不必要的数据传输与存储需求,最终实现了更高效的视频编码。
技术关键词
运动向量
深度神经网络模型
对齐模块
运动估计
运动补偿
视频编码框架
像素
优化装置
解码
系统为您推荐了相关专利信息
统计调查方法
稠密深度图
单目深度估计
图像
交通安全设施
卷积神经网络模型
卷积神经网络模块
训练卷积神经网络
对齐模块
编码特征
声纹鉴定方法
深度神经网络模型
多模型
高维特征向量
语音
时间预测方法
多实例
CT图像数据
输入多尺度
特征提取网络