-
公开(公告)号：CN116527833A
公开(公告)日：2023-08-01
申请号：CN202310801627.6
申请日：2023-07-03
Applicant: 清华大学 , 南通先进通信技术研究院有限公司
Abstract: 本发明涉及视频处理技术领域，提供了一种基于超分模型的高清视频生成方法及系统，包括：获取高清关键帧和低分辨率视频流，进行特征提取并输入至超分模型；通过网格传播的方式对提取的特征进行传播，将参考帧特征进行光流扭曲后传播至中心帧；通过光流引导的可变形卷积方法将参考帧与中心进行对齐；在参考帧与中心帧对齐后进行特征拼接，经过连续的多个残差块完成特征融合；基于融合后的特征通过注意力过滤器获取最终的特征映射，通过像素洗牌层进行上采样从而得到重建的高清帧，输出高清视频。本发明解决了现有高清视频生成质量差、速度慢的问题。
-
Patent Agency Ranking
公开(公告)号：CN116523758B
公开(公告)日：2023-09-19
申请号：CN202310801631.2
申请日：2023-07-03
Applicant: 清华大学 , 南通先进通信技术研究院有限公司
IPC: G06T3/40 , H04N19/132 , H04N19/137 , H04N19/182 , H04N19/61 , G06N3/044 , G06N3/048 , G06N3/084
Abstract: 本发明涉及高清视频重建技术领域，提供了一种基于关键帧的端云联合超分辨视频重建方法及系统，包括：获取原始高清视频，进行下采样生成低分辨率视频流提取高清关键帧；删除重复帧生成去重低分辨率视频流；将去重低分辨率视频流进行编码生成低清视频码流，将高清关键帧进行编码生成关键帧码流；将低清视频码流、关键帧码流和删除重复帧的位置发送至视频处理端；视频处理端解码获取去重低分辨率视频流和高清关键帧并输入至更新后的视频超分模型，生成复原高清帧；根据重复帧信息复制对应的复原高清帧生成重复帧的复原高清帧，将所有的复原高清帧组装为高清视频进行输出。本发明解决了现有高清视频传输成本高、清晰度不佳的问题。
-
公开(公告)号：CN116527833B
公开(公告)日：2023-09-05
申请号：CN202310801627.6
申请日：2023-07-03
Applicant: 清华大学 , 南通先进通信技术研究院有限公司
Abstract: 本发明涉及视频处理技术领域，提供了一种基于超分模型的高清视频生成方法及系统，包括：获取高清关键帧和低分辨率视频流，进行特征提取并输入至超分模型；通过网格传播的方式对提取的特征进行传播，将参考帧特征进行光流扭曲后传播至中心帧；通过光流引导的可变形卷积方法将参考帧与中心进行对齐；在参考帧与中心帧对齐后进行特征拼接，经过连续的多个残差块完成特征融合；基于融合后的特征通过注意力过滤器获取最终的特征映射，通过像素洗牌层进行上采样从而得到重建的高清帧，输出高清视频。本发明解决了现有高清视频生成质量差、速度慢的问题。
-
公开(公告)号：CN116523758A
公开(公告)日：2023-08-01
申请号：CN202310801631.2
申请日：2023-07-03
Applicant: 清华大学 , 南通先进通信技术研究院有限公司
IPC: G06T3/40 , H04N19/132 , H04N19/137 , H04N19/182 , H04N19/61 , G06N3/044 , G06N3/048 , G06N3/084
Abstract: 本发明涉及高清视频重建技术领域，提供了一种基于关键帧的端云联合超分辨视频重建方法及系统，包括：获取原始高清视频，进行下采样生成低分辨率视频流提取高清关键帧；删除重复帧生成去重低分辨率视频流；将去重低分辨率视频流进行编码生成低清视频码流，将高清关键帧进行编码生成关键帧码流；将低清视频码流、关键帧码流和删除重复帧的位置发送至视频处理端；视频处理端解码获取去重低分辨率视频流和高清关键帧并输入至更新后的视频超分模型，生成复原高清帧；根据重复帧信息复制对应的复原高清帧生成重复帧的复原高清帧，将所有的复原高清帧组装为高清视频进行输出。本发明解决了现有高清视频传输成本高、清晰度不佳的问题。
-
公开(公告)号：CN118764644A
公开(公告)日：2024-10-11
申请号：CN202410972632.8
申请日：2024-07-19
Applicant: 清华大学
IPC: H04N19/61 , H04N19/147 , H04N19/119 , G06T9/00 , G06N3/08
Abstract: 本发明提供一种基于语义增强的HEVC编码方法和装置，包括：获取原始编码和待编码视频；将所述待编码视频的图像帧依次输入至预先训练的CTU分割结果预测模型，得到CTU分割预测结果；根据所述原始编码对所述待编码视频进行编码；根据所述CTU分割预测结果执行所述编码过程中的率失真优化过程，得到目标编码；其中，所述CTU分割结果预测模型是基于深度神经网络利用海量视频文件样本训练得到的。本发明使用深度神经网络提取语义信息以预测CTU分割结果，根据神经网络的预测结果优化率失真优化遍历过程，从而优化编码方法，在不改变编码性能的同时节约编码时间。同时由于本发明与现有代码进行了结合，节约了部署成本。
-
公开(公告)号：CN117880492A
公开(公告)日：2024-04-12
申请号：CN202311593629.7
申请日：2023-11-27
Applicant: 清华大学
Abstract: 本发明提供一种视频质量评价方法、装置、电子设备及存储介质，所述方法包括：获取待传输视频在传输过程中的网络参数；将所述网络参数输入至预训练得到的深度神经网络模型，得到所述深度神经网络模型输出所述待传输视频的传输后的视频质量评分。从而在视频传输业务发生的同时即能够对传输后的视频质量进行预测，实现对待传输视频自动、即时进行视频质量评价。
-
-
-
-
-
Search Results
6
records
(took 0.03 seconds)
