视频片段压缩的方法与装置转让专利
申请号 : CN201980066142.9
文献号 : CN113196779B
文献日 : 2022-05-20
发明人 : 戴维·J·白瑞迪 , 严雪飞 , 张卫平 , 于长志
申请人 : 无锡安科迪智能技术有限公司
摘要 :
权利要求 :
1.一种视频片段压缩的方法,包括:从相机头中读出多组原始像素值,其中每组原始像素值与视频片段的一帧相对应;
通过使用压缩内核将每组原始像素值压缩为帧内压缩样本(ICS)帧来进行帧内压缩,其中ICS帧包括第一ICS帧和在第一ICS帧之后出现的若干个其余的帧(R‑ICS帧),且其中的压缩内核具有Ncomp个ICS通道,而Ncomp是一个不小于1的整数;
量化第一ICS帧,并将R‑ICS帧量化为QR‑ICS帧,其中量化的第一ICS帧包括Ncomp个单通道量化的第一ICS帧,且每个单通道量化的第一ICS帧与量化的第一ICS帧的一个ICS通道相对应;其中每个QR‑ICS帧包括Ncomp个sub‑QR‑ICS帧,且每个sub‑QR‑ICS帧与QR‑ICS帧的一个ICS通道相对应;
对于每个ICS通道所对应的sub‑QR‑ICS帧,在对应于该ICS通道的单通道量化的第一ICS帧所关联的sub‑QR‑ICS帧中进行图像块匹配减除,并生成减除图像块的ICS帧,其中一个或多个运动矢量与一个sub‑QR‑ICS帧相对应,且运动矢量代表着对应于ICS通道的sub‑QR‑ICS帧中的匹配图像块与对应于该ICS通道的单通道量化的第一ICS帧中的参考图像块之间的相对定位,其中对应于一个ICS通道的运动矢量被其他ICS通道共享;
对于每个ICS通道所对应的减除图像块的ICS帧,将减除图像块的ICS帧组合为堆栈,其中每个堆栈包括预设数量的减除图像块的ICS帧;
对于每个ICS通道所对应的每个堆栈中的减除图像块的ICS帧,确定共享数据,其中共享数据代表着减除图像块的ICS帧中的相似数据,并且基于共享数据来确定堆栈残差帧。
2.根据权利要求1的方法,其中通过使用压缩内核将每组原始像素值压缩为压缩的帧来进行帧内压缩包括:
对于视频片段的每一帧,使用压缩内核将原始像素值组的每一部分压缩为一个整数,其中原始像素值组的每一部分与帧的一个分段相对应。
3.根据权利要求1的方法,其中对于每个ICS通道所对应的sub‑QR‑ICS帧,在量化的第一ICS帧所关联的QR‑ICS帧中进行图像块匹配减除包括:对于一个ICS通道所对应的每个sub‑QR‑ICS帧,针对该ICS通道所对应的单通道量化的第一ICS帧所关联的sub‑QR‑ICS帧的图像块进行基于图像块匹配的运动预测,其中sub‑QR‑ICS帧被划分为图像块,用于在单通道量化的第一ICS帧中进行图像块搜索,在sub‑QR‑ICS‑frame帧中的图像块之间既没有间隙也没有重叠;
对于每个sub‑QR‑ICS帧,通过从sub‑QR‑ICS帧中减除一个或多个匹配图像块以确定减除图像块的ICS帧。
4.根据权利要求3的方法,其中对于一个ICS通道所对应的每个sub‑QR‑ICS帧,针对该ICS通道所对应的单通道量化的第一ICS帧所关联的sub‑QR‑ICS帧的图像块进行基于匹配图像块的运动预测包括:
将ICS通道所对应的sub‑QR‑ICS帧定义为匹配帧,并将该ICS通道所对应的单通道量化的第一ICS帧定义为搜索帧,在搜索帧中进行层次图像块搜索,其中匹配帧被划分为相关联的图像块且层次图像块搜索包括:
对于匹配帧中的每个相关联的图像块,在搜索帧中以一个步长的面积进行图像块搜索,其中步长面积是预设的不小于1的整数;
在搜索帧中进行图像块搜索时,计算搜索帧中的每个图像块与匹配帧中相关联的图像块之间的平方差;
如果最低平方差小于预设的阈值,用最低平方差将目标图像块确定为参考图像块,并将相关联的图像块确定为匹配图像块;
如果最低平方差不小于预设的阈值,且如果相关联的图像块的图像块面积大于预设的最小图像块面积,将相关联的图像块定义为匹配帧,并将目标图像块定义为搜索帧,在搜索帧中进行层次图像块搜索;
重复进行层次图像块搜索,直至找到对应于相关联的图像块的参考图像块,这两者之间的平方差小于预设的阈值,或者相关联的图像块的图像块面积不大于预设的最小图像块面积。
5.根据权利要求1的方法,每个堆栈中减除图像块的ICS帧的数量是相等的。
6.根据权利要求1的方法,其中对于每个ICS通道所对应的每个堆栈中减除图像块的ICS帧,确定共享数据,并且对于每个减除图像块的ICS帧,基于共享数据来确定一个堆栈残差帧包括:
对于ICS通道所对应的每个堆栈,使用第一内核将每个堆栈中的减除图像块的ICS帧卷积,从而确定共享数据;
对于ICS通道所对应的每个堆栈,将共享数据中的值量化为具有预设位宽的整数,从而针对每个堆栈确定量化的共享数据;
对于ICS通道所对应的每个堆栈,将量化的共享数据重缩放为RQ共享数据;
对于ICS通道所对应的每个堆栈,使用第二内核执行反卷积,从而将RQ共享数据重塑为RRQ共享数据;
对于ICS通道所对应的每个堆栈中的每个减除图像块的ICS帧,从减除图像块的ICS帧中减除RRQ共享数据,从而确定堆栈残差帧。
7.根据权利要求1的方法,其中针对每个ICS通道所对应的每个堆栈中的减除图像块的ICS帧,确定共享数据,并且基于共享数据来确定堆栈残差帧包括:对于ICS通道所对应的每个堆栈,使用加权求和参数对减除图像块的ICS帧中处于相同位置的值进行加权求和,从而将减除图像块的ICS帧压缩为加权求和的帧;
对于ICS通道所对应的每个堆栈,使用第一内核将加权求和帧卷积,从而确定共享数据;
对于ICS通道所对应的每个堆栈,将共享数据中的值量化为具有预设位宽的整数,从而确定量化的共享数据;
对于ICS通道所对应的每个堆栈,将量化的共享数据重缩放为RQ共享数据;
对于ICS通道所对应的每个堆栈,使用第二内核执行反卷积,从而将RQ共享数据重塑为RRQ共享数据;
对于ICS通道所对应的每个堆栈中的每个减除图像块的ICS帧,通过从减除图像块的ICS帧中减除RRQ共享数据来确定堆栈残差帧。
8.根据权利要求6或7的方法,其中方法还包括:对于ICS通道所对应的每个堆栈,使用第三内核压缩每个堆栈残差帧;
对于ICS通道所对应的每个堆栈,将每个压缩的堆栈残差帧中的值量化为具有预设位宽的整数,从而确定量化压缩的堆栈残差帧;
分别对于每个ICS通道所对应的量化的共享数据、每个ICS通道所对应的量化压缩的堆栈残差帧以及ICS通道中共享的每个堆栈中的运动矢量进行熵编码;
其中每个ICS通道所对应的熵编码的量化的共享数据、每个ICS通道所对应的熵编码的量化压缩的堆栈残差帧以及ICS通道中共享的每个堆栈中的熵编码的运动矢量被存储以用于解码;
其中熵编码是以全局数据字典为基础的操作,且全局数据字典根据相同类型的大量数据为基础预先构建。
9.根据权利要求8的方法,其中方法还包括:对于ICS通道所对应的每个堆栈,针对熵编码的量化的共享数据、熵编码的量化压缩的堆栈残差帧以及其所对应熵编码的运动矢量执行熵解码;
对于ICS通道所对应的每个堆栈,将每个量化压缩的堆栈残差帧重缩放为RQ压缩的堆栈残差帧;
对于ICS通道所对应的每个堆栈,使用第四内核执行反卷积,从而将每个RQ压缩的堆栈残差帧解压缩为第一解压缩的ICS帧;
对于ICS通道所对应的每个堆栈,使用第二内核执行反卷积,从而将RQ共享数据重塑为RRQ共享数据;
对于ICS通道所对应的每个堆栈中的每第一解压缩的ICS帧,将RRQ共享数据和其所对应的一个或多个带有存储的运动矢量的匹配图像块添加至第一解压缩的ICS帧,从而确定第二解压缩的ICS帧;
对于每个堆栈中的每第二解压缩的ICS帧,将所有ICS通道所对应的第二解压缩的ICS帧堆叠在一起,从而确定第三解压缩的ICS帧;
对于每个堆栈中的每第三解压缩的ICS帧,使用解压缩内核和用于质量改进的神经网络(QINN)对第三解压缩的ICS帧执行帧内解压缩,从而确定重建帧;
其中第一内核至第四内核被ICS通道所对应的堆栈共享。
10.根据权利要求9的方法,压缩内核中的参数、时间模块、解压缩内核和QINN都是通过基于样本的训练来确定的,其中时间模块包括第一内核至第四内核,或者时间模块包括第一内核至第四内核以及加权求和参数,基于样本的训练包括:读出多组原始像素值样本,其中每组原始像素值样本与一帧相对应;
使用初始压缩内核将每组原始像素值样本压缩为ICS帧样本,从而进行帧内压缩,其中ICS帧样本包括第一ICS帧样本和若干个在第一ICS帧之后出现的R‑ICS帧样本,且初始压缩内核具有Ncomp个ICS通道,Ncomp是不小于1的整数;
量化第一ICS帧样本,并且将R‑ICS帧样本量化为QR‑ICS帧样本,其中量化的第一ICS帧样本包括Ncomp个单通道量化的第一ICS帧样本,并且每个单通道量化的第一ICS帧样本与量化的第一ICS帧样本的一个ICS通道相对应,其中每个QR‑ICS帧样本包括Ncomp个sub‑QR‑ICS帧样本,并且每个sub‑QR‑ICS帧样本与QR‑ICS帧样本的一个ICS通道相对应;
对于每个ICS通道所对应的sub‑QR‑ICS帧样本,在单通道量化的第一ICS帧样本所关联的sub‑QR‑ICS帧样本中进行图像块匹配减除,并且生成减除图像块的ICS帧样本,其中一个或多个运动矢量与一个sub‑QR‑ICS帧样本相对应,运动矢量代表着sub‑QR‑ICS帧样本中的匹配图像块和单通道量化的第一ICS帧样本中的参考图像块之间的相对定位,且其中对应于一个ICS通道的运动矢量被其他ICS通道所共享;
对于每个ICS通道所对应的减除图像块的ICS帧样本,将减除图像块的ICS帧样本组合成堆栈,其中每个堆栈包括预设数量的ICS帧样本的减除图像块样本;
对于每个ICS通道所对应的每个堆栈中的减除图像块的ICS帧,使用初始时间模块来确定共享数据样本和压缩的堆栈残差帧样本以及第一解压缩的ICS帧样本,其中初始时间模块包括第五内核、第六内核、第七内核和第八内核,或者时间模块包括第五内核至第八内核以及初始加权求和参数;
对于每个堆栈,使用初始解压缩内核和初始QINN来确定重建帧样本;
将初始压缩内核训练为压缩内核,并且将初始解压缩内核和初始QINN训练为中间解压缩内核和中间QINN;
通过多图联合损失训练来训练初始时间模块的参数。
11.根据权利要求10的方法,其中通过多图联合损失训练来训练初始时间模块的参数包括:
确定4张计算图,其中4张图为使用初始时间模块的处理,其中第一计算图G1代表着保持第一和第二量化点的处理,第二计算图G2代表着保持第一量化点的处理,第三计算图G3代表着保持第二量化点的处理,而第四计算图G4代表着保持无量化点的处理;
其中第一量化点代表着第五内核的量化输出数据,而第二量化点代表着第七内核的量化输出数据;
在进行迭代训练的过程中按顺序确定三个优化处理;
其中的第一优化处理被设定在第一量化点之前训练参数,以便将第一全损最小化,而第一全损包括来自G1第一量化点的DA_E、来自G3第二量化点的DA_E以及来自G4的重建损失;
其中的第二优化处理被设定在第一量化点和第二量化点之间训练参数,以便将第二全损最小化,而第二全损包括来自G1第二量化点的DA_E和来自G2的重建损失;
其中的第三优化处理被设定在第二量化点之后训练参数,以便将第三全损最小化,而第三全损包括来自G1的重建损失;
其中DA_E代表着熵的可区分近似值;
通过迭代地运行第一、第二和第三优化处理以在初始时间模块中训练参数,其中的第五内核至第八内核可以被训练为第五中间内核至第八中间内核,其中第五中间内核至第八中间内核的参数为浮点数。
12.根据权利要求11的方法,其中第一图G1包括:使用参数Para(bQ1)将数据T1输入第一卷积层,从而确定数据T2,其中数据T1与每个通道所对应的所有堆栈的减除图像块的ICS帧样本相对应;
将第一量化点上的数据T2量化,从而确定数据T2_Q;
根据数据T2_Q确定数据T3,其中在从数据T2_Q至T3的过程中,被训练的参数包括第一反卷积层和使用参数Para(aQ1,bQ2)的第二卷积层,其中该过程进一步包括在第一反卷积层之前的重缩放运算和第二卷积层之后的减除运算;
将第二量化点上的数据T3量化,从而确定数据T3_Q,其中数据T3_Q与量化压缩堆栈残差帧相对应;
根据数据T3_Q确定数据T4,其中在从数据T3_Q至T4的过程中,被训练的参数包括使用参数Para(aQ2)的第二反卷积层,其中该过程进一步包括在第二反卷积层之前的重缩放运算;
其中Para(bQ1)是第五内核中的参数,或者Para(bQ1)是加权求和参数及第五内核中的参数;
其中Para(aQ1,bQ2)是第六内核和第七内核中的参数,并且Para(aQ2)是第八内核中的参数。
13.根据权利要求12的方法,其中第二图G2包括:使用参数Para(bQ1)将数据T1输入第一卷积层,从而确定数据T2;
将第一量化点上的数据T2量化,从而确定数据T2_Q;
基于数据T2来确定数据T3,其中在从数据T2_Q至T3的过程中,被训练的参数包括第一反卷积层和使用参数Para(aQ1,bQ2)的第二卷积层;
基于数据T3来确定数据T4(2),其中在从数据T3至T4(2)的过程中,被训练的参数包括使用参数Para(aQ2)的第二反卷积层。
14.根据权利要求13的方法,其中第三图G3包括:使用参数Para(bQ1)将数据T1输入第一卷积层,从而确定数据T2;
根据数据T2确定数据T3(3);其中在从数据T2至T3(3)的过程中,被训练的参数包括第一反卷积层和使用参数Para(aQ1,bQ2)的第二卷积层,其中该过程进一步包括第二卷积层之后的减除运算;
将第二量化点上的数据T3量化,从而确定数据T3_Q(3);
根据数据T3_Q(3)确定数据T4(3),其中在从数据T3_Q(3)至T4(3)的过程中,被训练的参数包括使用参数Para(aQ2)的第二反卷积层,其中该过程进一步包括在第二卷积层之前的重缩放运算。
15.根据权利要求14的方法,其中第四图G4包括:使用参数Para(bQ1)将数据T1输入第一卷积层,从而确定数据T2;
根据数据T2确定T3(4),其中在从数据T2至T3(4)的过程中,被训练的参数包括第一反卷积层和使用参数Para(aQ1,bQ2)的第二卷积层,其中该过程进一步包括第二卷积层之后的减除运算;
根据数据T3(4)确定数据T4(4),其中在从数据T3(4)至T4(4)的过程中,被训练的参数包括使用参数Para(aQ2)的第二反卷积层。
16.根据权利要求11的方法,该方法还包括:通过将第五中间内核中的参数整数化以确定第一内核,并且通过将第六中间内核中的参数整数化以确定第二内核,并且通过将第七中间内核中的参数整数化以确定第三内核;
通过微调第八中间内核中的参数以确定第四内核;
通过微调中间压缩内核和中间QINN中的参数以确定压缩内核和QINN。
17.一种视频片段压缩的装置,包括:读出单元,其中所述读出单元被设定为从相机头中读出多组原始像素值;
处理器,其中所述处理器被设定为对视频片段中的多个帧执行压缩,其中压缩过程包括:
通过使用压缩内核将每组原始像素值压缩为帧内压缩样本(ICS)帧来执行帧内压缩,其中ICS帧包括第一ICS帧和若干个在第一ICS帧之后出现的其余的ICS帧(R‑ICS帧),并且其中压缩内核具有Ncomp个ICS通道,而Ncomp是不小于1的整数;
量化第一ICS帧,并且将R‑ICS帧量化为QR‑ICS帧,其中量化的第一ICS帧包括Ncomp个单通道量化的第一ICS帧,并且每个单通道量化的第一ICS帧与量化的第一ICS帧的一个ICS通道相对应,其中每个QR‑ICS帧包括Ncomp个sub‑QR‑ICS帧并且每个sub‑QR‑ICS帧与QR‑ICS帧的一个ICS通道相对应;
对于每个ICS通道所对应的sub‑QR‑ICS帧,在该ICS通道所对应的单通道量化的第一ICS帧所关联的sub‑QR‑ICS帧中进行匹配图像块减除,并且生成减除图像块的ICS帧,其中一个或多个运动矢量与一个sub‑QR‑ICS帧相对应,并且运动矢量代表着sub‑QR‑ICS帧中的匹配图像块和单通道量化的第一ICS帧中的参考图像块之间的相对定位,并且其中与一个ICS通道相对应的运动矢量被其他ICS通道所共享;
对于每个ICS通道所对应的减除图像块的ICS帧,将减除图像块的ICS帧组成堆栈,其中每个堆栈包括预设数量的减除图像块的ICS帧;
对于每个ICS通道所对应的每个堆栈中的减除图像块的ICS帧,确定共享数据,其中共享数据代表着减除图像块的ICS帧之间的相似数据,并且基于共享数据来确定堆栈残差帧;
其中每组原始像素值与视频片段的一帧相对应。
说明书 :
视频片段压缩的方法与装置
技术领域
背景技术
匀性矫正等,也包括图像压缩。
进行图像处理。鉴于在处理过程中,平均每像素所需的多重数码步骤,ISP芯片所使用的功
率通常会比图像传感器捕捉和数据读出所使用的更高。
发明内容
视频片段的一帧相对应;进行帧内压缩,使用压缩内核将每一组原始像素值压缩为帧内压
缩取样(ICS)的一帧,其中ICS帧包括帧内压缩取样的第一帧以及在第一帧之后继续取样的
若干帧(R‑ICS帧),其中的压缩内核具有Ncomp个ICS通道,且Ncomp是不小于1的整数;将帧
内压缩取样的第一帧量化,并将R‑ICS帧量化为QR‑ICS帧;其中量化的第一ICS帧包括Ncomp
个单通道量化的第一ICS帧,并且每个单通道量化的第一ICS帧都与量化的第一ICS帧的一
个ICS通道相对应;每个QR‑ICS帧包含Ncomp个sub‑QR‑ICS帧,而每个sub‑QR‑ICS帧与QR‑
ICS帧的一个ICS通道相对应;针对与每个ICS通道相对应的sub‑QR‑ICS帧,对与ICS通道对
应的单通道量化的第一ICS帧所关联的sub‑QR‑ICS帧做出图像块匹配减除,并生成减除图
像块的ICS帧,其中一个或者多个运动矢量与一个sub‑QR‑ICS帧相对应,并且,ICS通道所对
应的其中sub‑QR‑ICS帧的匹配图像块,与该ICS通道所对应的单通道量化的第一ICS帧中的
参考图像块这两者之间的相对定位由一个运动矢量代表,并且其中与一个ICS通道相对应
的运动矢量被其他ICS通道共享;针对与每个ICS通道相对应的减除图像块的ICS帧,将减除
图像块的ICS帧组为堆栈,其中每个堆栈都包含预设数量的减除图像块的ICS帧;针对与每
个ICS通道相对应的每个堆栈中的减除图像块的ICS帧,确定共享数据,其中的共享数据代
表着减除图像块的ICS帧中的相似数据,并且根据共享数据确定堆栈残差帧。
缩为整数,其中,原始像素值分组中的每一部分都与帧的一个分段相对应。
sub‑QR‑ICS帧,对于该ICS通道对应的单通道量化的第一ICS帧所关联的sub‑QR‑ICS帧的图
像块,进行以图像块匹配为基础的运动预测,其中,sub‑QR‑ICS帧被分为若干个图像块,以
便于在单通道量化的第一ICS帧内进行图像块搜索,在sub‑QR‑ICS帧的图像块中,既没有间
隙也没有重叠;通过从每个sub‑QR‑ICS帧中减除一个或多个匹配图像块来确定减除图像块
的ICS帧。
配为基础的运动预测,包括:将与ICS通道相对应的sub‑QR‑ICS帧界定为匹配帧,并将与该
ICS通道相对应的单通道量化的第一ICS帧界定为搜索帧,并在搜索帧中进行层次图像块搜
索,其中的匹配帧被分为若干个相互关联的图像块,而层次图像块搜索包括:针对匹配帧中
的每个相互关联的图像块,在搜索帧中以步长面积进行图像块搜索,其中的步长面积是预
设的大于等于1的整数;在搜索帧中进行图像块搜索的过程中,计算出搜索帧中的每个图像
块之间的平方差以及匹配帧中的相互关联的图像块之间的平方差;如果最低平方差小于预
设的阈值,则用最低平方差将搜索帧中的目标图像块确定为参考图像块,并将相互关联的
图像块确定为匹配图像块;如果最低平方差不小于预设的阈值,并且相关联图像块的图像
块面积大于预设的最小图像块面积,则将相关联的图像块界定为匹配帧,将目标图像块界
定为搜索帧,并且在搜索帧中进行层次图像块搜索;重复进行层次图像块搜索,直至找到与
相关联的图像块对应的参考图像块,其平方差应小于预设的阈值,或者相关联图像块的图
像块面积不大于预设的最小图像块面积。
括:针对与ICS通道相对应的每个堆栈,通过将每个堆栈中减除图像块的ICS帧与第一内核
卷积,以确定共享数据;针对每个与ICS通道相对应的堆栈,通过将共享数据中的数值量化
为预设位宽的整数,以确定每个堆栈的量化的共享数据;针对每个与ICS通道相对应的堆
栈,将量化的共享数据重缩放为RQ共享数据;针对每个与ICS通道相对应的堆栈,通过对第
二内核执行反卷积以将RQ共享数据重塑为RRQ共享数据;针对与ICS通道相对应的每个堆栈
中的每个减除图像块的ICS帧,通过从减除图像块的ICS帧中减除RRQ共享数据以确定堆栈
残差帧。
的每个堆栈,用加权求和参数计算出处于减除图像块的ICS帧中相同位置的数值的加权求
和值,从而将减除图像块的ICS帧压缩为加权求和帧;针对每个与ICS通道相对应的堆栈,通
过将加权求和帧与第一内核卷积以确定共享数据;针对每个与ICS通道相对应的堆栈,通过
将共享数据中的数值量化为预设位宽的整数,以确定量化的共享数据;针对每个与ICS通道
相对应的堆栈,将量化的共享数据重缩放为RQ共享数据;针对每个与ICS通道相对应的堆
栈,通过对第二内核执行反卷积以将RQ共享数据重塑为RRQ共享数据;针对与ICS通道相对
应的每个堆栈中的每个减除图像块的ICS帧,通过从减除图像块的ICS帧中减除RRQ共享数
据以确定堆栈残差帧。
堆栈残差帧中的数值量化为预设位宽的整数以确定量化压缩的堆栈残差帧;对于同每个
ICS通道相对应的量化的共享数据执行熵编码运算,与每个ICS通道相对应的量化压缩的堆
栈残差帧以及每个堆栈中的运动矢量分别被若干ICS通道共享,其中,与每个ICS通道相对
应的经过熵编码的量化共享数据,与每个ICS通道相对应的经过熵编码的量化压缩的堆栈
残差帧以及被若干ICS通道共享的每个堆栈中的经过熵编码的运动矢量被存储,用以解码;
其中,熵编码的运算以一部全局数据字典为基础,而全局数据字典的预先构建是以相同类
型的大量数据为基础。
码的运动矢量执行熵编码运算;针对每个与ICS通道相对应的堆栈,将每个量化压缩的堆栈
残差帧重缩放为RQ压缩的堆栈残差帧;针对每个与ICS通道相对应的堆栈,通过对第四内核
执行反卷积以将每个RQ压缩的堆栈残差帧解压缩为第一解压缩的ICS帧;针对每个与ICS通
道相对应的堆栈,通过对第二内核执行反卷积以将RQ共享数据重塑为RRQ共享数据;针对与
ICS通道相对应的每个堆栈中的第一解压缩的ICS帧,通过将RRQ共享数据和一个或多个与
ICS通道相对应的匹配图像块以及存储的运动矢量加入第一解压缩的ICS帧,以确定第二解
压缩的ICS帧;针对每个堆栈中的第二解压缩的ICS帧,通过将所有ICS通道对应的第二解压
缩ICS帧叠加在一起以确定第三解压缩的ICS帧;针对每个堆栈中的第三解压缩的ICS帧,通
过执行帧内解压缩,用解压缩内核将第三解压缩的ICS帧解压缩为用于质量改进的神经网
络(QINN),以确定重建的帧;其中,第一内核至第四内核被ICS通道所对应的若干堆栈共享。
是通过基于采样的训练来确定的,基于采样的训练处理包括:读出众多组原始像素值样本,
其中的每一组原始像素值样本都与一个帧相对应;进行帧内压缩,用初始的压缩内核将每
一组原始像素值样本压缩为ICS帧样本,其中的ICS帧样本包括第一ICS帧的样本以及位于
第一ICS帧样本之后的大量R‑ICS帧样本,而其中的初始压缩内核具有Ncomp个ICS通道,并
且Ncomp是不小于1的整数;将第一ICS帧样本量化,并将R‑ICS帧样本量化为QR‑ICS帧样本,
其中量化的第一ICS帧样本包括Ncomp个单通道量化的第一ICS帧样本,并且每个单通道量
化的第一ICS帧样本都与量化的第一ICS帧样本的一个ICS通道相对应,其中每个QR‑ICS帧
样本包括Ncomp个sub‑QR‑ICS帧样本并且每个sub‑QR‑ICS帧样本都与QR‑ICS帧样本的一个
ICS通道相对应;针对与每个ICS通道相对应的sub‑QR‑ICS帧样本,对于与单通道量化的第
一ICS帧样本相关联的sub‑QR‑ICS帧样本做出不定匹配减除,并生成减除图像块的ICS帧的
样本,其中一个或者多个运动矢量与一个sub‑QR‑ICS帧样本相对应,并且,sub‑QR‑ICS帧样
本中的匹配图像块,与单通道量化的第一ICS帧样本的参考图像块这两者之间的相对定位
由运动矢量代表,并且其中与一个ICS通道相对应的运动矢量被其他ICS通道共享;针对与
每个ICS通道相对应的减除图像块的ICS帧样本,将减除图像块的ICS帧样本组为堆栈,其中
每个堆栈包括预设数量的ICS帧样本的减除图像块样本;针对与每个ICS通道相对应的每个
堆栈中的减除图像块的ICS帧,用初始的时间模块确定共享数据样本以及压缩的堆栈残差
帧样本、第一解压缩的ICS帧样本,其中的初始时间模块包括第五内核、第六内核、第七内核
和第八内核,或者时间模块包括第五内核至第八内核以及初始加权求和参数;针对每个堆
栈,用初始压缩内核和初始QINN确定重建帧样本;将初始压缩内核和初始QINN训练为中间
压缩内核和中间QINN;通过多图联合损失训练来训练初始时间模块的参数。
着保持第一量化点和第二量化点的处理,第二计算图G2代表着保持第一量化点的处理,第
三计算图G3代表着保持第二量化点的处理,而第四计算图G4代表着保持无量化点的处理;
其中的第一量化点代表着第五内核的量化输出数据,而第二量化点代表着第六内核的量化
输出数据;在进行迭代训练的过程中按照顺序确定三个优化处理;其中的第一优化处理被
设定在第一量化点之前训练参数,以便将第一全损最小化,而第一全损包括来自G1第一量
化点的DA_E、来自G3第二量化点的DA_E以及来自G4的重建损失;其中的第二优化处理被设
定在第一量化点和第二量化点之间训练参数,以便将第二全损降最小化,而第二全损包括
来自G1第二量化点的DA_E和来自G2的重建损失;其中的第三优化处理被设定在第二量化点
之后训练参数,以便将第三全损最小化,而第三全损包括来自G1的重建损失;其中DA_E代表
着熵的可区分近似值;通过迭代地运行第一、第二和第三优化处理以在初始现有的模块中
训练参数,其中的第五内核至第八内核可以被训练为第五中间内核至第八中间内核,其中
第五中间内核至第八中间内核的参数为浮点数。
对应;通过将第一量化点上的数据T2量化以确定数据T2_Q;根据数据T2_Q确定数据T3,其中
在从T2_Q至T3的过程中,被训练的参数包括第一反卷积层和使用参数Para(aQ1,bQ2)的第
二卷积层,其中该过程进一步包括在第一反卷积层之前的一次重缩放运算和第二卷积层之
后的一次减除运算;通过将第二量化点上的数据T3量化以确定数据T3_Q,其中数据T3_Q与
量化压缩堆栈残差帧相对应;根据数据T3_Q确定数据T4,其中在从T3_Q至T4的过程中,被训
练的参数包括使用参数Para(aQ2)的第二反卷积层,其中该过程进一步包括在第二反卷积
层之前的一次重缩放运算;其中Para(bQ1)是第五内核中的参数,或者Para(bQ1)是加权求
和参数和第五内核中的参数;其中Para(aQ1,bQ2)是第六内核和第七内核中的参数,并且
Para(aQ2)是第八内核中的参数。
据T3,其中在从数据T2_Q至T3的过程中,被训练的参数包括第一反卷积层和使用参数Para
(aQ1,bQ2)的第二卷积层;根据数据T3确定数据T4(2),其中在从数据T3至T4(2)的过程中,
被训练的参数包括使用参数Para(aQ2)的第二反卷积层。
参数包括第一反卷积层和使用参数Para(aQ1,bQ2)的第二卷积层,其中该过程进一步包括
第二卷积层之后的减除运算;通过将第二量化点上的数据T3量化以确定数据T3_Q(3);根据
数据T3_Q(3)确定数据T4(3),其中在从数据T3_Q(3)至T4(3)的过程中,被训练的参数包括
使用参数Para(aQ2)的第二反卷积层,其中该过程进一步包括在第二卷积层之前的重缩放
运算。
括第一反卷积层和使用参数Para(aQ1,bQ2)的第二卷积层,其中该过程进一步包括第二卷
积层之后的减除运算;根据数据T3(4)确定数据T4(4),其中在从数据T3(4)至T4(4)的过程
中,被训练的参数包括使用参数Para(aQ2)的第二反卷积层。
内核中的参数整数化以确定第三内核;通过微调第八中间内核中的参数以确定第四内核;
通过微调中间压缩内核和中间QINN中的参数以确定压缩内核和QINN。
以执行视频片段的多帧压缩,其中该压缩包括:进行帧内压缩,使用压缩内核将每一组原始
像素值压缩为帧内压缩样本(ICS)帧,其中ICS帧包括帧内压缩取样的第一帧以及在第一帧
之后继续取样的若干帧(R‑ICS帧),并且其中的压缩内核具有Ncomp个ICS帧而Ncomp是不小
于1的整数;将第一ICS帧量化,并将R‑ICS帧量化为QR‑ICS帧,其中量化的第一ICS帧包括
Ncomp个单通道量化的第一ICS帧,并且每个单通道量化的第一ICS帧都与量化的第一ICS帧
的一个ICS通道相对应,其中每个QR‑ICS帧包括Ncomp个sub‑QR‑ICS帧并且每个sub‑QR‑ICS
帧都与该QR‑ICS帧的一个ICS通道相对应;针对与每个ICS通道相对应的sub‑QR‑ICS帧,对
与ICS通道对应的单通道量化的第一ICS帧所关联的sub‑QR‑ICS帧做出图像块匹配减除,并
且生成减除图像块的ICS帧,其中一个或者多个运动矢量与一个sub‑QR‑ICS帧相对应,并
且,其中sub‑QR‑ICS帧的匹配图像块,与单通道量化的第一ICS帧中的参考图像块这两者之
间的相对定位由运动矢量代表,其中与一个ICS通道相对应的运动矢量被其他ICS通道共
享;针对与每个ICS通道相对应的减除图像块的ICS帧,将减除图像块的ICS帧组为堆栈,其
中每个堆栈包括预设数量的减除图像块的ICS帧;针对与每个ICS通道相对应的每个堆栈中
的减除图像块的ICS帧,确定共享数据,其中共享数据代表减除图像块的ICS帧中的相似数
据,并且根据共享数据确定堆栈残差帧;其中每组原始像素值都与视频片段的一帧相对应。
方法论中的多个方面,可以领会并掌握本发明所涉及的发明特征,下文的详细范例将讨论
工艺和综合内容。
附图说明
图中的类似结构。其中:
具体实施方式
施。在其他实例中,为了避免不必要地模糊本发明的各个方面,已经相对较高的层次地描述
了公知的方法、过程、系统、组件和/或电路,而没有详细说明。对所公开实施例的各种修改
对于本领域的技术人员来说是显而易见的,并且在不脱离本发明的精神和范围的情况下,
本文所定义的一般原理可以应用于其他实施例和应用。因此,本发明不限于所示的实施例,
而是被赋予与权利要求一致的最广泛的范围。
目的,这些术语可被其他表达方式取代。
储在任何类型的非暂时性计算机可读介质或其他存储设备中。在一些实施例中,软件模块/
单元/块可以被编译并链接到可执行处理中。应当理解的是,软件模块可以从其他模块/单
元/块或自身调用,和/或可以响应于检测到的事件或中断而被调用。配置用于在计算设备
上执行的软件模块/单元/块可以设置在计算机可读介质上,例如光盘、数字视频光盘、闪存
驱动器、磁盘或任何其他有形介质上,或者作为数字下载(并且可以最初以需要安装的压缩
或可安装格式存储、解压、或在执行前解密)。这种软件代码可以部分或全部存储在执行计
算设备的存储设备上,以供计算设备执行。诸如EPROM这样的软件可以包含在固件中。还应
当理解的是,硬件模块/单元/块可以包括在连接的逻辑组件中,例如门和触发器,和/或可
以包括可编程单元,例如可编程门阵列或处理器。本文描述的模块/单元/块或计算设备功
能可以实现为软件模块/单元/块,但是可以用硬件或固件表示。一般而言,本文所述的模
块/单元/块是指可以与其他模块/单元/块组合或被划分为子模块/子单元/子块的逻辑模
块/单元/块,尽管它们具有物理组织或存储。该描述可适用于系统、引擎或其一部分。
元、引擎、模块或块或中间单元、引擎、模块,或块可能存在,除非上下文中另有明确指示。如
本文所使用的,术语“和/或”包括一个或多个相关的所列事务的任何和所有组合。
公开的一部分。然而,应明确理解,附图仅用于说明和描述,并且无意限制本公开的范围。据
悉,附图没有按比例绘制。
一步理解,术语“包括”在本公开中使用时,规定了整数、设备、行为、所述特征、步骤、元素、
操作和/或组件的存在,但不排除存在或添加一个或多个其他整数、设备、行为、特征、步骤,
元件、操作、组件和/或其组合。
一些实施例,图1显示了原有的原始Bayer图片的一个范例。如图1所示,一张原始Bayer图片
是以[2048,3840]的形状呈现,并且每个像素都可以有一个相对应的像素值。像素值可以在
相机头捕捉帧后被按顺序读出。
一些实施例中,[2048,3840]原有的原始Bayer图片被压缩为一个形状为[256,480,4]的整
数阵列,图6将对此进行描述。像素也可以与不同的颜色相对应,通常是红色、绿色和蓝色,
但是颜色值通常可以在通过传感器时马赛克化,所以一个给定的像素与一个给定的颜色相
对应。
种二维变换来执行的,许多行(通常是8行)必须经过缓存并且每个像素值必须在若干个变
换缓冲区内累积起来。此外,通过量化矩阵和压缩(哈夫曼)编码以分隔像素值的做法必须
在每个图像信息组中执行。
头连接的电子设备中执行的。
含有多组原始像素值的一帧,其中的每一组原始像素值都与视频片段的一帧相对应。每个
像素可以由一个像素值代表。像素值可以一种二进制的形式传送。
部分压缩为一个整数,其中原始像素值组的每一部分都与帧的一个分段相对应。在一些实
施例中,一个分段可以是一个图像块或者一段,在帧的策略中将对其进行描述。在一些实施
例中,ICS帧包括第一ICS帧以及在第一ICS帧之后继续出现的若干帧(R‑ICS帧)。在一些实
施例中,压缩内核可以具有Ncomp个ICS通道并且Ncomp可以是一个不小于1的整数。
者2位。并且,当元件是2位的二进制数时,元件可以是‑1或者+1,或者元件可以是0或者1。
有一个相同的尺寸。例如,2D内核可以有一个尺寸[kx,ky],而形状[NX,NY]的帧可以被分为
[NX,NY]2D图像块,其中Nx=NX/kx,Ny=NY/ky。与一个特定图像块中的像素相对应的像素值可
以形状[kx,ky,1]乘以一个形状为[kx,ky,Ncomp]的2D内核,并且2D图像块中的像素值可以
压缩为Ncomp数字(Ncomp是一个手动定义的预设整数。)最终,输入的帧的原始像素值可以
压缩为COMP,其中的COMP是Ncomp数字的一个尺寸为[Nx,Ny,Ncomp]的一个阵列(整数的一个
阵列),Ncomp可以代表着COMP的ICS通道的数字。帧内压缩过程可以是一种2D卷积运算,如
以下方程式所示:
以通过设置各种[kx,ky,Ncomp]以实现不同的压缩率。例如,使用2D内核的[16,16,16]、[8,
8,4]、[16,16,8]和[16,16,1],可以分别实现不同的压缩率,如1/16、1/16、1/32和1/256。
以被划分为段。1D压缩内核可以是一个具有该段相同尺寸的整数向量,并且帧内压缩过程
可以是用1D内核将帧的1D段中的像素组合成一个整数的1D卷积运算。
个传入像素值组合为一个数字。如另一个范例所示,可以使用长度为16的整数向量[‑1,1,‑
1,1,‑1,1,‑1,…1]将16个传入像素值组合为一个数字。
于控制一帧的总压缩率。
以被存储或者缓冲。
进。但是,这些改变和改进并不会脱离本发明的范围。例如,具有其他位宽的压缩内核也可
以应用于压缩原始像素值。
一个4*4的尺寸。
ICS帧(QR‑ICS帧)。在一些实施例中,量化的第一ICS帧可以包括Ncomp个单通道量化的第一
ICS帧,并且每个单通道量化的第一ICS帧可以与量化的第一ICS帧的一个ICS通道相对应;
并且每个QR‑ICS帧可以包括Ncomp个sub‑QR‑ICS帧,并且每个sub‑QR‑ICS帧可以与QR‑ICS
帧的一个ICS通道相对应。
失,并且量化损失直接影响着压缩/解压缩的总体质量,该压缩/解压缩过程和JPEG的一样
保持着高度相似的总体质量。
像素的图像块,不需要将所有像素(总共16个)放入缓冲区并执行一次元素乘积和求和。而
是可以在像素被读入时,用适当的内核权重元素从而逐行处理像素,并且将输出值(数字阵
列)放入缓冲区,直到完成了一个单个的卷积运算。在每次卷积运算结束后,缓冲的数字可
以被输出至存储器内,而缓冲区可以被清除。
行。
例中,在一些实施例中,帧可以被硬件比如FPGA处理,卷积内核被应用于像素的每一个图像
块,并且在移动至下一个图像块的过程中既不会出现重叠也不会出现空隙,直至移至最后
一个图像块。图4中所显示的图像块1代表着已经被处理过的图像块,而图像块2代表着正在
被处理的图像块。
Bayer数据。压缩内核是以[kx,ky,Ncomp]=[8,8,4]为形状,并且该内核是从一个训练后的
浮点加权神经网络量化为一个在范围[‑7,7]内的4位有符号的整数。该内核如图5所示,并
且4个平面分别表示了[8,8]矩阵。每个平面表示压缩内核的[8,8,i]部分之一(i=0,1,2,
3)。
阵列。帧内压缩可以采用图5所示的压缩内核执行。i 平面显示了矩阵[256,480,i],其中的
指数i=0,1,2,3。
的ICS帧。在一个图像块减除的ICS帧中,可以存在着一个或多个与量化的第一ICS帧相关联
的匹配图像块,并且,对于与第一ICS帧中的参考图像块相关联的匹配图像块,存在着一个
运动矢量。一个运动矢量代表着一个sub‑QR‑ICS帧中的一个匹配图像块和单通道量化的第
一ICS帧中的一个参考图像块之间的相对定位。在一些实施例中,运动矢量可以被ICS通道
共享,因此,对于一个QR‑ICS帧中的所有ICS通道而言,可以仅确定一次每个QR‑ICS帧的运
动矢量。
图像块的ICS帧的数目可以彼此相等。例如,由100帧组成的视频片段可以被压缩为100个
ICS帧(第一ICS帧和99个R‑ICS帧),可以对100个ICS帧执行量化(包括量化的第一ICS帧和
99个QR‑ICS帧),然后对于每个ICS通道,可以在与一个单通道量化的第一ICS相关联的99个
sub‑QR‑ICS帧中执行图像块匹配减除,并且生成99个减除图像块的ICS帧,这样,该99个减
除图像块的ICS帧可分组成33个堆栈(堆栈的总数为33*Ncomp),其中每个堆栈都包括3个减
除图像块的ICS帧。
块的ICS帧中的相似数据。
并且生成一个尺寸为[Nx,Ny,Ncomp]的减除图像块的帧COMP_SMP,其中,一个减除图像块的
帧包括Ncomp个减除图像块的ICS帧(如图7所述,减除图像块的ICS帧是按照逐个ICS通道的
顺序执行的。)然后与每个ICS通道相对应,减除图像块的ICS帧(每个ICS通道中的COMP_
SMP,具有尺寸[Nx,Ny])可以组成堆栈,并且在每个堆栈中存在Nfp减除图像块的ICS帧。每
个堆栈中的像素值数据可以表示为COMP_SMPS。
运动预测,其中sub‑QR‑ICS帧被划分为图像块,以用于在单通道量化的第一ICS帧中进行图
像块搜索,在sub‑QR‑ICS帧中既没有间隙也没有重叠。
帧中进行层次图像块搜索。匹配帧被划分为相关联的图像块。
行图像块搜索期间,可以确定搜索帧中每个图像块和匹配帧中相关联的图像块之间的平方
差。最终,对于相关联的图像块,可以确定与搜索帧中的每个图像块相对应的多个平方差。
配图像块。
1004以进行层次图像块搜索。
像块,执行步骤1006至1012。最终,可以确定sub‑QR‑ICS帧中的一个或多个匹配图像块,并
且对于每个匹配的图像块,可以确定一个与其相对应的运动矢量。
性。例如,当相关联的图像块具有较大的图像块面积时,步长面积可能较大;而当相关联的
图像块具有较小的图像块面积时,步长面积可能较小。通常,步长面积是一个不小于2的预
设整数,并且只有当相关联的图像块再也无法被划分时,步长面积大小才可以是1。
块的ICS帧中的相似数据。
括两个步骤。首先,可以使用第一缩放因子将共享数据中的值缩放(减少位宽),以适应n位
整数的范围。例如,共享数据中的值可以乘以第一缩放因子。第一缩放因子可以是一个整数
或一个真分数。其次,共享数据的缩放值可以被整数化。
数据的值划分,从而对量化的共享数据进行重缩放。在一些实施例中,重缩放运算会带来量
化损失。例如,使用第一缩放因子1/2,可以将共享数据中的一个带有值23的像素缩放至
11.5,然后被整数化为12。然后可以使用第一缩放因子1/2将整数12重缩放为整数24,这变
会使整数24和整数23之间出现量化损失,其中没有考虑到卷积和反卷积的误差。
数将减除图像块的ICS帧中处于相同位置的值加权求和,从而确定加权求和帧。并且,一个
加权求和帧的卷积所需的能量和内存要比多个减除图像块的ICS帧的卷积所需的少很多。
通道所对应的每个堆栈,可以使用一个第二缩放因子将每个压缩的堆栈残差帧中的值量化
为具有预设位宽的整数,从而确定量化压缩的堆栈残差帧。在一些实施例中,量化过程可以
与1104中的相同。在一些实施例中,量化中使用的第二缩放因子可以等同于或不等同于第
一缩放因子。
残差帧执行熵编码。经过熵编码的量化压缩的堆栈剩余帧可被存储以用于解码。在一些实
施例中,可以对ICS通道中共享的运动矢量执行熵编码。熵编码是在进行传送或存储之前的
运算,与每个ICS通道相对应的经过熵编码的量化的共享数据,与每个ICS通道相对应的熵
编码的量化压缩的堆栈残差帧以及与ICS通道中共享的每个堆栈相对应的熵编码运动矢量
都被存储以用于解码/解压缩。在一些实施例中,还可以存储量化的第一ICS帧,用于添加匹
配的图像块以重建视频片段的多个帧。
局数据字典。
动矢量等,虽然源于不同帧的同一类型的数据之间具有差异,但是它们共享值分布的统计
相似性(就像不同的高斯分布峰值相互重叠或彼此接近)。然后在对某一类型的输入数据进
行熵编码的过程中,可以使用全局数据字典对值进行编码。
为[ksmx,ksmy,Nfp,ncomp_sm])卷积来确定共享数据Smem(尺寸为[Nx/ksmx,Ny/ksmy,
ncomp_sm])。可以将Smem量化为Smem_Q。然后可以将Smem_Q重缩放为Smem_Q_rsc(尺寸为
[Nx/kresx,Ny/kresy,ncomp_sm]),并且使用一个第二内核(尺寸为[ksmx,ksmy,ncomp_sm])
对Smem_Q_rsc执行反卷积,从而可以将Smem_Q_rsc重塑为SMem_rs(尺寸为[Nx,Ny])。然后,
在每个ICS通道和每个堆栈中,可以从每个减除图像块的ICS帧COMP_SMPS_i中减除SMem_
rs,从而确定堆栈残差帧COMP_sres_i。可以使用一个第三内核(尺寸为[kresx,kresy,
ncomp_res])将每个堆栈中的每个堆栈残差帧进一步压缩为comp_sres_i(尺寸为[Nx/
kresx,Ny/kresy,ncomp_res])。最后,comp_sres_i可以被量化为comp_sres_i_Q。并且
comp_sres_i_Q可以被熵编码为comp_res_i_Q_EC。
由于可以在不同侧执行解压缩和压缩,所以可以在传送之前执行熵编码。当解压缩的一侧
接收到熵编码的数据时,便可以首先执行熵解码。
施例中,正如1106中所述,可以基于第一缩放因子来确定RQ共享数据。可以使用第二缩放因
子将量化压缩的堆栈残差帧划分,从而确定每个RQ压缩的堆栈残差帧。
第一解压缩的ICS帧,从而确定第二解压缩的ICS帧。
可以是第二解压缩的ICS帧的一个ICS通道堆栈。第三解压缩的ICS帧可以对应于一个R‑ICS
帧,并且在每个堆栈中可以存在一个预设数量的第三解压缩的ICS帧。
建帧。在一些实施例中,使用解压缩内核的过程可以被视为两个步骤:一个重缩放步骤和一
个解压缩步骤。重缩放步骤可以与图3所述的帧内压缩之后的量化过程相对应,并且可以基
于缩放因子来执行重缩放,其缩放因子与图3中的相同。在一些实施例中,步骤1312可以被
分为两个步骤:将第三解压缩的ICS帧重缩放为第三解压缩的ICS帧,以及将第三解压缩的
ICS帧解压缩为一个重建帧。
来确定每组第一内核至第四内核。
Ny/kresy,Ncomp_res]),并且可以使用一个第四内核将comp_sres_i_rsc解压缩为COMP_
sres_i_D,其中COMP_sres_i_D的尺寸为[Nx,Ny]而第四内核的尺寸为kresx,kresy,Ncomp_
res]。然后SMem_rs可以被添加至COMP_sres_i_D以确定COMP_D,其中COMP_D的尺寸为[Nx,
Ny]。SMem_rs的确定是基于熵解码(使用全局数据字典)、重缩放(使用第一缩放因子)和重
塑(使用第二内核)。然后,可以使用一个解压缩内核和经过质量改进的神经网络(QINN)对
COMP_D_all_chans执行反卷积,从而确定重建帧,其中COMP_D_all_chans是所有ICS通道中
中的值的集合,并且COMP_D_all_chans的尺寸为Nx,Ny,Ncomp],而压缩内核的尺寸为[kx,
ky,Ncomp],重建帧的尺寸为[Nx,Ny]。
基于样本的训练来确定压缩内核中的参数、时间模块、解压缩内核和QINN。此外,可以以基
于样本的训练为基础,来确定用于所有ICS通道的时间模块。
Ncomp个单通道量化的第一ICS帧样本,并且每个单通道量化的第一ICS帧可以与量化的第
一ICS帧样本的一个ICS通道相对应,其中,每个QR‑ICS帧样本可以包括Ncomp个sub‑QR‑ICS
帧样本,并且每个sub‑QR‑ICS帧样本可以与QR‑ICS帧样本的一个ICS通道相对应。
ICS帧样本,其中,一个或多个运动矢量与一个sub‑QR‑ICS帧样本相对应,并且一个运动矢
量代表着一个sub‑QR‑ICS帧样本中的一个匹配图像块和单通道量化的第一ICS帧样本中的
一个参考图像块之间的一个相对定位,并且其中一个ICS通道中的运动矢量被其他ICS通道
所共享。
本
初始时间模块包括一个第五内核、一个第六内核、一个第七内核和一个第八内核内核,或者
时间模块包括第五内核至第八内核以及初始加权求和参数。
一量化点的一个处理,第三计算图G3代表着保持第二量化点的一个处理,而第四计算图G4
代表着保持无量化点的一个处理。在一些实施例中,第一量化点代表着第五内核的量化输
出数据,第二量化点代表着第七内核的量化输出数据。根据本发明的一些实施例,图21中也
显示了这4张计算图。
第一量化点的DA_E、来自G3的第二量化点的DA_E以及来自G4的重建损失。在一些实施例中,
第二优化器被设定为在第一和第二量化点之间训练参数以将第二全损最小化,该全损包括
来自G1的第二量化点的DA_E,以及来自G2的重建损失。在一些实施例中,第三优化器被设定
为在第二量化点之后训练参数,以将第三全损最小化,该全损包括来自G1的重建损失。在一
些实施例中,DA_E代表着一个熵的可微近似值。
例中,第五中间内核至第八中间内核中的参数为浮点数。在一些实施例中,也可以训练加权
求和参数。
的ICS帧样本相对应。在一些实施例中,Para(bQ1)是第五内核中的参数,或者Para(bQ1)是
加权求和参数和第五内核中的参数。
二卷积层。在一些实施例中,Para(aQ1,bQ2)是第六内核和第七内核中的参数。该过程可以
进一步包括在第一反卷积层之前的一个重缩放运算和在第二卷积层之后的一个减除运算。
中,Para(aQ2)是第八内核中的参数。该过程可以进一步包括在第二卷积层之前的一个重缩
放运算。
第二卷积层。与步骤1706相同,该过程还包括在第一反卷积层之前的一个重缩放运算和在
第二卷积层之后的一个减除运算。
被量化,所以1710中所述的重缩放运算也并非必要操作。
bQ2)的第二卷积层。在一些实施例中,该过程可以进一步包括在第二卷积层之后的减法操
作。由于数据T2尚未量化,因此也不需要如1706中所述的重缩放操作。
实施例中,该过程可以进一步包括在第二解卷积层之前的一个重缩放运算。
的第二卷积层。在一些实施例中,该过程可以进一步包括在第二卷积层之后的一个减除运
算。
模块。
数化,从而确定第三内核。
2300可以被设定为压缩来自一个相机的焦面(传感器阵列)的一个视频片段所对应的原始
Bayer数据。
图23中所描述的压缩设备相同。
共享的每个堆栈中的熵编码的运动矢量。在一些实施例中,存储数据可以被用于重建视频
片段中的多个帧。
领域的技术人员来说,可进行各种变更、改进和修改,尽管本文没有明确说明。这些改变、改
进和修改旨在由本发明提出,并且在本公开的示例性实施例的精神和范围内。
少一个实施例中。因此,应强调并应理解,本说明书的各个部分中对“实施例”或“一个实施
例”或“替代实施例”的两个或多个引用不一定都指同一实施例。此外,在本发明的一个或多
个实施例中,可以将特定特征、结构或特征组合在一起。
组成,或其任何新的和有用的改进。因此,本发明的各个方面可以完全硬件实现、完全软件
(包括固件、驻留软件、微代码等)实现或结合软件和硬件实现,这些实现在本文中通常被称
为“块”、“模块”、“引擎”、“单元”、“组件”或“系统”。此外,本发明的各个方面可以采取计算
机处理产品的形式,该计算机处理产品体现在一个或多个计算机可读介质中,其中包含计
算机可读处理代码。
上述公开通过各种示例讨论了当前被认为是本发明的各种有用实施例的内容,但是应当理
解,这样的细节仅用于此目的,并且所附权利要求不限于所公开的实施例,相反,所附权利
要求旨在涵盖落在所公开的实施例的精神和范围内的修改和等同。例如,尽管上述各种组
件的实现可以包含于硬件设备中,但也可以作为仅软件的解决方案来实现,例如,在现有处
理设备或移动设备上的安装。
特征组合在一起。然而,本发明方法不应被解释为反映出所要求保护的主题需要比每个权
利要求中明确叙述的更多的特征的意图。相反,创造性实施例存在于少于上述单个公开实
施例的所有特征。