-
公开(公告)号：CN116648293A
公开(公告)日：2023-08-25
申请号：CN202180086761.1
申请日：2021-12-16
申请人： 超威半导体公司 , ATI科技无限责任公司
发明人： 卡尔·基特里奇·瓦克兰德 , 迈赫迪·萨迪 , 托马斯·丹尼尔·佩里 , 加博尔·西尼斯
IPC分类号： A63F13/67
摘要： 本发明公开了用于执行自适应音频混合的系统、设备及方法。经训练的神经网络动态地选择并混合作为相互兼容的集合而组成的预录的、人类编配的音乐编组。根据游戏场景特性和其他动态变化的因素推断由神经网络生成的编组和轨选择、音量混合、滤波、动态压缩、声学/混响特性、分段、节奏、节拍匹配和淡入淡出参数。经训练的神经网络选择艺术家的预录编组并且以独特的方式实时地混合编组以基于诸如游戏场景、玩家的独特故事情节、场景元素、玩家的简档、兴趣和表现、对游戏控件(例如，音乐音量)做出的调整、观看者数量、接收到的评论、玩家的受欢迎程度、玩家的母语、玩家的所在地和/或其他因素之类的因素来动态地调整和修改背景音乐。经训练的神经网络创建根据实时情况动态变化的独特音乐。
-
公开(公告)号：CN112673631A
公开(公告)日：2021-04-16
申请号：CN201980059492.2
申请日：2019-09-19
申请人： ATI科技无限责任公司
IPC分类号： H04N19/14 , H04N19/154 , H04N19/176 , H04N19/182
摘要： 公开了用于利用运动矢量实施空间块级像素活动提取优化的系统、设备和方法。耦合至编码器的控制逻辑基于来自参考帧的先前计算的块级像素活动数据生成新帧的块级像素活动度量。针对新帧的每个块相对于所述参考帧的相应块计算成本。如果所述成本小于第一阈值，则所述控制逻辑生成对所述块的像素活动度量的估计，所述像素活动度量等于所述参考帧的相应块的先前计算的像素活动度量。如果所述成本大于所述第一阈值但小于第二阈值，则通过从所述先前计算的像素活动度量外推来生成对所述像素活动度量的估计。
-
公开(公告)号：CN113906762B
公开(公告)日：2023-04-14
申请号：CN202080040369.9
申请日：2020-05-29
申请人： ATI科技无限责任公司
IPC分类号： H04N19/80 , H04N19/117 , H04N19/124 , H04N19/176 , H04N19/89
摘要： 一种处理系统[100]对图片的块[105]进行滤波以在编码之前将块的大小和误差最小化。处理系统的预处理模块[110]测量多个块的特性，并评估在编码之前将多个滤波器[102]中的每一者应用于块的影响，以便预测具有类似特性的块的可压缩性的增加，所述块在被编码之前用每个滤波器进行滤波，使得对质量的影响最小。预处理模块训练模型以基于块特性预测用每个滤波器进行滤波的块的大小和误差。预处理模块使用所述模型来根据大小和误差计算将每个滤波器应用于具有某些特性的给定块的成本。然后，预处理模块将被预测导致最佳成本的滤波器应用于块。
-
公开(公告)号：CN113906762A
公开(公告)日：2022-01-07
申请号：CN202080040369.9
申请日：2020-05-29
申请人： ATI科技无限责任公司
IPC分类号： H04N19/80 , H04N19/117 , H04N19/124 , H04N19/176 , H04N19/89
摘要： 一种处理系统[100]对图片的块[105]进行滤波以在编码之前将块的大小和误差最小化。处理系统的预处理模块[110]测量多个块的特性，并评估在编码之前将多个滤波器[102]中的每一者应用于块的影响，以便预测具有类似特性的块的可压缩性的增加，所述块在被编码之前用每个滤波器进行滤波，使得对质量的影响最小。预处理模块训练模型以基于块特性预测用每个滤波器进行滤波的块的大小和误差。预处理模块使用所述模型来根据大小和误差计算将每个滤波器应用于具有某些特性的给定块的成本。然后，预处理模块将被预测导致最佳成本的滤波器应用于块。
-
公开(公告)号：CN114930815A
公开(公告)日：2022-08-19
申请号：CN202080091955.6
申请日：2020-12-04
申请人： ATI科技无限责任公司
IPC分类号： H04N19/115 , H04N19/176 , H04N19/23
摘要： 公开了用于基于上下文和特征在视频编码预分析中进行比特预算的系统、设备和方法。预编码器接收视频帧并评估所述帧的每个块中是否存在若干上下文指示符。所述上下文指示符可以包括记忆色、文本、景深和其他特定对象。对于检测到的每个上下文指示符，生成系数并将所述系数与其他系数相加以生成所述块的最终重要性值。可以调整所述系数，以便仅将图片的定义部分视为重要的。所述块的所述最终重要性值用于确定所述块的所述比特预算。所述块比特预算被提供给所述编码器并且用于影响用于对所述块进行编码的量化参数。
-
公开(公告)号：CN115362449A
公开(公告)日：2022-11-18
申请号：CN202180026399.9
申请日：2021-03-05
申请人： ATI科技无限责任公司
摘要： 一种用于执行机器学习神经网络操作的处理设备包括存储器和处理器。该处理器被配置为在该机器学习神经网络操作的层处接收输入数据，接收要应用于该输入数据的多个排序过滤器，将该多个排序过滤器应用于该输入数据以产生多个不同的特征图，根据这些特征图的稀疏度来压缩该多个不同的特征图，以及将该多个不同的特征图存储在该存储器中。
-
公开(公告)号：CN109479146A
公开(公告)日：2019-03-15
申请号：CN201780043310.3
申请日：2017-07-12
申请人： ATI科技无限责任公司
IPC分类号： H04N19/593 , G09G5/02 , H04N19/182 , H04N19/186
摘要： 一种压缩器被配置为确定块中的多个像素的增量颜色压缩值，并且将所述块中的所述多个像素细分为多个组，并发送代表所述增量值的已压缩位流。所述已压缩位流包括：代表足以表示所述增量值的位数量范围的块标头的位；多个组标头，每个组标头都指出足以表示所述多个组中相应的一个组中的所述增量值的组最小位数量；以及使用包括所述增量值的所述组的所述组最小位数量编码的所述增量值。一种解压缩器被配置为基于所述块标头、所述多个组标头和所述已编码增量值来解压缩所述已压缩位流。
-
公开(公告)号：CN115362450A
公开(公告)日：2022-11-18
申请号：CN202180026410.1
申请日：2021-03-05
申请人： ATI科技无限责任公司
摘要： 一种用于执行机器学习神经网络操作的处理设备包括存储器和处理器。该处理器被配置为在该机器学习神经网络操作的层处接收输入数据，接收要应用于该输入数据的多个排序过滤器，将该多个排序过滤器应用于该输入数据以产生多个不同的特征图，根据这些特征图相对于彼此的相似性来压缩该多个不同的特征图，以及将该多个不同的特征图存储在该存储器中。
-
公开(公告)号：CN109479146B
公开(公告)日：2020-11-17
申请号：CN201780043310.3
申请日：2017-07-12
申请人： ATI科技无限责任公司
IPC分类号： H04N19/593 , G09G5/02 , H04N19/182 , H04N19/186
摘要： 一种压缩器被配置为确定块中的多个像素的增量颜色压缩值，并且将所述块中的所述多个像素细分为多个组，并发送代表所述增量值的已压缩位流。所述已压缩位流包括：代表足以表示所述增量值的位数量范围的块标头的位；多个组标头，每个组标头都指出足以表示所述多个组中相应的一个组中的所述增量值的组最小位数量；以及使用包括所述增量值的所述组的所述组最小位数量编码的所述增量值。一种解压缩器被配置为基于所述块标头、所述多个组标头和所述已编码增量值来解压缩所述已压缩位流。
-
-
-
-
-
-
-
-
搜索结果
9 条记录 (耗时 0.035 秒)
