申请/专利权人:杭州电子科技大学
申请日:2024-01-04
公开(公告)日:2024-04-09
公开(公告)号:CN117853976A
主分类号:G06V20/40
分类号:G06V20/40;G06V10/56;G06V10/80;G06V10/82
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.04.26#实质审查的生效;2024.04.09#公开
摘要:本发明公开了一种基于深度学习的帧内色度预测方法,基于神经网络的跨分量预测方案,适用于H.266VVC视频编码标准,该预测方法的输入为重建的亮度分量和临近已重建的亮度和色度分量,输出为当前编码块的色度分量,为了充分利用VVC在进行帧内色度预测时的相关特性,本发明设计了基于三个分支的注意力神经网络结构,包括跨分量边界分支、亮度卷积分支、注意力模块以及预测分支,分别用于提取临近亮度分量与色度分量的特征,以充分利用已重建临近块的信息;提取已重建亮度分量的特征,充分学习分量间的相关性;将跨分量边界分支和亮度卷积分支提取的特征,利用注意力机制的方式进行融合;通过已处理的融合分支预测UV分量的预测值。
主权项:1.一种基于深度学习的帧内色度预测方法,其特征在于包括如下步骤:步骤S1:获取基于亮度和色度格式的图像;步骤S2:构建基于深度可分离卷积的跨分量边界分支和亮度分支,分别提取出临近亮度分量与色度分量的特征,以及亮度分量的特征;步骤S3:对跨分量边界分支建立通道注意力机制,再对跨分量边界分支与亮度分支的融合建立空间注意力机制;步骤S4:根据基于注意力机制融合后的特征,进行色度预测。
全文数据:
权利要求:
百度查询: 杭州电子科技大学 一种基于深度学习的帧内色度预测方法
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。