申请/专利权人：上海双深信息技术有限公司

申请日：2022-11-24

公开（公告）日：2023-03-17

公开（公告）号：CN115811613A

主分类号：H04N19/149

分类号：H04N19/149;H04N19/172;H04N19/42;H04N19/70

优先权：

专利状态码：在审-实质审查的生效

法律状态：2023.04.04#实质审查的生效;2023.03.17#公开

摘要：本发明公开了一种端到端AI图像压缩的码率控制方法、系统、设备及介质，利用端到端图像压缩模型可以在最高和最低码点间无限插值的特性，插值出较多码点，从而获得码率控制表RateControlTable，简写为RCT，并根据超先验及上下文模型估计出最大和最小码率，从RCT中选择出最接近的码点以达到码率控制的效果，从而能够在带宽有限的情况下可以设置一个可靠的传输带宽。本发明不需要重新训练模型，是一种非常适合深度学习端到端图像压缩的码率控制方法，且误差较小。

主权项：1.一种端到端AI图像压缩的码率控制方法，其特征在于，包括：获取图像压缩模型中的多码率模型，选出最高与最低码点，并使用最高与最低码点对应的权重在最高与最低码点中均匀插值多个码点，获得每一码点对应的权重，将插值获得的所有码点、最高与最低码点对应的权重存储为码率控制表；将原始图像数据输入至所述图像压缩模型中，通过图像压缩模型中的卷积网络提取图像初级特征，再基于图像压缩模型中的超先验概率模型以及上下文预测模型，计算出最大与最小的像素深度；结合最大与最小的像素深度，以及输入的目标像素深度计算出需要的码点在码率控制表中的索引，再查询码率控制表确定相应的权重；将查询到的权重与图像初级特征点乘，并通过量化模块进行量化后，由超先验概率模型以及上下文预测模型进行熵编码与熵解码，最后通过图像压缩模型中的反卷积网络，获得重建图像。

全文数据：

权利要求：

百度查询： 上海双深信息技术有限公司 端到端AI图像压缩的码率控制方法、系统、设备及介质

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD