公开(公告)号：CN111372084A

公开(公告)日：2020-07-03

申请号：CN202010100106.4

申请日：2020-02-18

Applicant: 北京大学

Inventor： 马思伟 ,  林凯 ,  贾川民 ,  王苫社 ,  赵政辉

IPC: H04N19/436 ,  H04N19/176 ,  H04N19/147 ,  H04N19/14 ,  H04N19/70 ,  H04N19/82 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种面向神经网络编解码工具的并行推理方法，包括：对待处理的图像进行边界扩充，得到边界完整的图像；根据光栅扫描顺序将所述边界完整的图像划分成大小相同的图像块；将所述大小相同的图像块组织成若干个张量，并将所述若干个张量作为一组张量同时送入神经网络中进行前向传播处理，其中，根据神经网络编码工具以及硬件显存大小设置所述张量的批尺寸值。通过上述方法，可以有效减少神经网络推理时的显存，降低神经网络视频编码工具的编解码复杂度。

公开(公告)号：CN111357288A

公开(公告)日：2020-06-30

申请号：CN201980005714.2

申请日：2019-03-12

Applicant: 深圳市大疆创新科技有限公司 ,  北京大学

Inventor： 郑萧桢 ,  王苏红 ,  王苫社 ,  马思伟

IPC: H04N19/14 ,  H04N19/176 ,  H04N19/50 ,  H04N19/513 ,  H04N19/426

Abstract: 提供一种视频图像处理方法与装置，该方法包括：确定当前图像块；当所述当前图像块的尺寸满足预设条件时，根据时域运动矢量预测TMVP操作，和/或，高级/可选时域运动矢量预测ATMVP操作确定所述当前图像块的时域候选运动矢量。在保证编解码性能的前提下，可以降低复杂度。

公开(公告)号：CN111264061A

公开(公告)日：2020-06-09

申请号：CN201980005231.2

申请日：2019-03-12

Applicant: 深圳市大疆创新科技有限公司 ,  北京大学

Inventor： 郑萧桢 ,  孟学苇 ,  王苫社 ,  马思伟

IPC: H04N19/139 ,  H04N19/159 ,  H04N19/52

Abstract: 提供一种视频编码方法，包括：根据当前块的运动信息候选列表确定当前块的基准运动信息；根据当前块所属的帧的类型从对应的偏移值候选集合中确定目标偏移值，其中，所述类型包括第一类型和第二类型，第一类型对应的偏移值候选集合是第二类型对应的偏移值候选集合的子集；根据基准运动信息确定搜索起点；在搜索起点以目标偏移值为搜索步长，搜索当前块的参考块。应用上述方法后，对于运动复杂的帧，视频编码装置可以采用包含较多偏移值的集合，从而可以选择较小的搜索步长精确搜索最优运动矢量；对于运动简单的帧，视频编码装置可以采用包含较少偏移值的集合，从而可以快速搜索最优运动矢量。

公开(公告)号：CN111246212A

公开(公告)日：2020-06-05

申请号：CN202010108241.3

申请日：2020-02-21

Applicant: 北京大学

Inventor： 马思伟 ,  孟学苇 ,  王苫社

IPC: H04N19/176 ,  H04N19/146 ,  H04N19/52 ,  H04N19/159

Abstract: 本发明公开了一种基于编解码端的几何划分模式预测方法、装置、存储介质及终端，所述方法包括：对当前编码块进行最优模式预测，从总的模式集合中选出最可能模式集合；在最可能模式集合中进行模式决策；将最终决策得到的最优模式在最可能模式集合中的索引写入码流。从总的模式集合中进行模式决策，使用一个标识位标识最终决策得到的最优模式是否处于最可能模式集合，如果处于最可能模式集合中，则将其在最可能模式集合中的索引写入码流，否则将其在总的模式集合中的索引写入码流。因此，采用本申请实施例，可以降低划分模式编码开销，提升压缩性能，降低编码端复杂度。

公开(公告)号：CN111108749A

公开(公告)日：2020-05-05

申请号：CN201880054725.5

申请日：2018-09-25

Applicant: 北京大学 ,  深圳市大疆创新科技有限公司

Inventor： 王苫社 ,  李聪蕊 ,  郑萧桢 ,  马思伟

IPC: H04N19/159 ,  H04N19/50 ,  H04N19/11 ,  H04N19/46 ,  H04N19/176

Abstract: 一种编码方法、解码方法、编码设备和解码设备，该编码方法包括：确定当前块的帧内预测方式，所述帧内预测方式选自单种帧内预测模式和两种帧内预测模式的组合；将用于指示所述帧内预测方式的指示信息编码到码流中，所述指示信息中包括用于指示所述帧内预测方式是单种帧内预测模式或是两种帧内预测模式的组合的第一信息。本申请的方法中，当前块的帧内预测方式是从单种帧内预测模式和两种帧内预测模式的组合中选择的，选择出的帧内预测方式对应的残差更小，可以节省编码开销，降低码率，提高预测效率。

公开(公告)号：CN109561313B

公开(公告)日：2020-04-24

申请号：CN201811202403.9

申请日：2018-10-16

Applicant: 北京大学

Inventor： 王苫社 ,  张嘉琪 ,  张翔 ,  李洋 ,  马思伟

IPC: H04N19/42 ,  H04N19/176 ,  H04N19/91 ,  H04N19/503 ,  H04N19/593

Abstract: 本申请公开了一种基于分块的脉冲序列压缩方法及装置，属于数字信号处理技术领域。所述方法包括：划分脉冲序列，得到多个子块；统计各子块中脉冲信号的空间信息、和/或时间信息、和/或极性信息；分别对统计的空间信息、和/或时间信息、和/或极性信息进行转换和压缩，得到对应的码流，输出得到的码流。本申请中，充分利用不同子块之间的相关性，对各子块中脉冲信号的空间信息、和/或时间信息、和/或极性信息进行转换及压缩，从而去除了脉冲序列中的空间冗余和/或时间冗余，使得脉冲序列占据的空间更小，更加容易存储和传输；同时，基于块的划分方式是无损压缩，在解码时能够恢复完整的脉冲序列，不会引入失真。

公开(公告)号：CN108184129B

公开(公告)日：2020-01-10

申请号：CN201711311491.1

申请日：2017-12-11

Applicant: 北京大学

Inventor： 马思伟 ,  贾川民 ,  王苫社 ,  赵政辉

IPC: H04N19/82 ,  H04N19/86 ,  H04N19/96 ,  H04N19/61

Abstract: 本发明公开了一种视频编解码方法、装置及用于图像滤波的神经网络。所述视频编解码方法，在环路滤波处理中还包括以下步骤：获取经去块效应处理之后的第一滤波图像块或经样本补偿处理之后的第二滤波图像块；基于所述第一滤波图像块和经训练的至少一个第一滤波神经网络获取第三滤波图像块，或者，基于所述第二滤波图像块和经训练的至少一个第二滤波神经网络获取第四滤波图像块。提供了结合深度学习神经网络、改动小、且适用于HEVC的不同模式(包括帧内编码、低延时编码、随机访问编码)的完整的编解码方案。

公开(公告)号：CN110636290A

公开(公告)日：2019-12-31

申请号：CN201910817030.4

申请日：2019-08-30

Applicant: 北京大学 ,  鹏城实验室

Inventor： 马思伟 ,  雷萌 ,  罗法蕾 ,  王苫社 ,  高文

IPC: H04N19/139 ,  H04N19/147 ,  H04N19/52

Abstract: 本申请提供一种视频图像的运动矢量编解码方法、一种编码器及一种解码器。其中，所述视频图像的运动矢量编码方法包括：选择率失真代价最小的运动矢量精度作为第一运动矢量精度，对运动矢量差值进行编码条件判断，并根据判断结果对所述第一运动矢量精度在其对应的第一运动矢量精度集合范围内进行调整，确定第二运动矢量精度，根据所述第二运动矢量精度对所述运动矢量差值进行编码得到运动矢量信息，将所述运动矢量信息和所述第一运动矢量精度对应的标识写入码流后发送至解码端。通过本方案，可以减少需要标识的运动矢量精度，在保持预测性能的同时，降低了编码运动矢量所需的码率和编码时间，从而提升了编码效率，带来了编码增益。

公开(公告)号：CN108235018B

公开(公告)日：2019-12-27

申请号：CN201711336351.X

申请日：2017-12-13

Applicant: 北京大学

Inventor： 王苫社 ,  徐逸群 ,  马思伟 ,  罗法蕾

IPC: H04N19/149 ,  H04N19/154 ,  H04N19/159 ,  H04N19/19

Abstract: 本发明公开了一种基于拉格朗日乘子模型的点云帧内编码优化方法及装置，属于点云数字信号处理领域。所述方法包括：对点云数据进行离线训练得到拉格朗日乘子模型；将点云数据按照不同模式分别进行映射，得到不同的映射数据，对各映射数据分别进行独立编码得到对应的各编码结果；根据拉格朗日乘子模型及各编码结果，筛选出不同模式中的最优模式。本发明中，对点云数据进行不同模式的映射，相比于单模式映射，提供了更多的编码选择，充分利用了无序点云数据间的相关性；同时基于训练得到的拉格朗日乘子模型在不同的映射模式中确定最优模式，提高了编码性能，提升了点云数据的整体编码效果。

公开(公告)号：CN110545437A

公开(公告)日：2019-12-06

申请号：CN201910817041.2

申请日：2019-08-30

Applicant: 北京大学 ,  鹏城实验室

Inventor： 马思伟 ,  王苏红 ,  崔静 ,  王苫社 ,  高文

IPC: H04N19/93 ,  H04N19/60 ,  H04N19/124 ,  H04N19/184 ,  H04N19/129 ,  H04N19/186 ,  H04N19/18

Abstract: 本申请提供一种系数编码方法、一种系数解码方法、一种电子设备及一种计算机可读介质。其中，所述系数编码方法包括：对目标图像块进行时频域变换和量化处理，得到目标系数块；确定所述目标系数块对应的系数序列；确定所述系数序列中的至少一组连续非零系数；对所述系数序列进行游程编码，生成所述目标图像块对应的系数编码信息，其中，在所述游程编码过程中略过对指定非零系数的run值编码操作，所述指定非零系数包括所述系数序列末尾至少一组连续非零系数中除首位非零系数之外的其他非零系数。本申请方法可以减少最终生成的系数编码信息的比特数，从而在不损失编码精度的同时降低编码所需要的码率，提升编码效率，并带来编码增益。