【技术实现步骤摘要】
本原理涉及视频压缩领域。
技术介绍
1、在hevc视频压缩标准(国际电信联盟，itu-t h.265高效视频编码)中，图片被划分为所谓的编码树单元(ctu)，其尺寸通常为64x64、128x128或256x256像素。
2、每个ctu由压缩域中的编码树表示。这是ctu的四叉树划分，其中每个叶片称为编码单元(cu)，如图1所示。
3、然后，为每个cu提供一些帧内或帧间预测参数(预测信息)。为此，将其在空间上分区为一个或多个预测单元(pu)，每个pu均被分配有一些预测信息。帧内或帧间编码模式在cu级别分配，参见图2。
4、根据在位流中用信号通知的分区类型将编码单元分区为(一个或多个)预测单元。对于帧内编码单元，仅使用图3中所示的分区类型2nx2n和nxn。这意味着在帧内编码单元中仅使用正方形预测单元。
5、相反，帧间编码单元可以使用图3所示的所有分区类型。
6、根据hevc标准，在“变换树”之后，编码单元也以递归的方式被划分为所谓的变换单元。因此，变换树是编码单元的四叉树划分，并且变换单元是变换树的叶片。变换单元封装与所考虑的正方形空间区域对应的每个图片分量的正方形变换块。变换块是单个分量中样本的正方形块，其中应用相同的变换。
7、新兴的视频压缩工具包括压缩域中的编码树单元表示，为了在压缩域中以更灵活的方式表示图片数据而提出。编码树的这种灵活表示的优势在于，与hevc标准的cu/pu/tu布置相比，它提供了更高的压缩效率。
8、四叉树加二叉树(qtb
9、通过率失真优化过程在编码器侧决定编码单元的分割，该过程包括以最小的率失真成本确定ctu的qtbt表示。
10、在qtbt技术中，cu具有正方形或矩形形状。编码单元的尺寸始终为2的幂，通常从4到256。
11、除了用于编码单元的各种矩形形状之外，与hevc相比，这种新的ctu表示具有以下不同的特点。
12、首先，ctu的qtbt分解分两个阶段进行：首先以四叉树的方式分割ctu，然后可以以二元方式进一步划分每个四叉树的叶片。这在图4的右侧进行了图示，其中实线表示四叉树分解阶段，虚线表示空间分解嵌入四叉树叶片的二元分解。
13、其次，在帧内条带中，亮度和色度块分区结构被分开，并且是独立决定的。
14、接下来，不再采用cu分区成预测单元或变换单元。换句话说，每个编码单元系统地由单个预测单元(以前是2nx2n个预测单元划分类型)和单个变换单元(不划分成变换树)组成。
15、但是，qtbt技术需要进一步提高压缩效率。
技术实现思路
1、所描述的实施例中的至少一个解决了现有技术的这些和其它缺点和不足，这些实施例针对用于编码或解码视频数据块的方法和装置。在至少一个实施例中，提出使用基于纹理的技术来生成分割的分区概率的集合。
2、根据本文所述的至少一个一般实施例，提供了一种方法，包括：至少基于神经网络确定与图像数据块相关联的分区概率的集合；至少基于所确定的分区概率的集合将所述图像数据块分区为两个或更多个更小的预测单元；以及至少基于所述分区对所述图像数据块进行编码。
3、根据本文所述的另一个一般实施例，提供了一种用于对图像数据块进行编码的装置，包括：存储器，以及处理器，被配置为：至少基于神经网络确定与所述图像数据块相关联的分区概率的集合；至少基于所确定的分区概率的集合将所述图像数据块分区为两个或更多个更小的预测单元；以及至少基于所述分区对所述图像数据块进行编码。
4、根据本文所述的另一方面，提供了一种非暂态计算机可读存储介质，其上存储有计算机程序，所述计算机程序在由处理器执行时，使得所述处理器执行上述方法实施例。
5、通过以下结合附图对示例性实施例的详细描述的阅读，本原理的这些和其它方面、特征和优点将变得明显。
本文档来自技高网...【技术保护点】
1.一种方法，包括：
2.根据权利要求1所述的方法，其中，所述神经网络被配置为进一步基于所述图像数据块和与所述图像数据块相邻的一个或多个因果像素来确定所述分区概率的集合。
3.根据权利要求1所述的方法，其中，所述神经网络被配置为进一步基于指示所述图像数据块的邻近块如何被分区的信息来确定所述分区概率的集合。
4.根据权利要求1所述的方法，其中，确定与所述图像数据块相关联的分区概率的集合包括基于所述神经网络确定与所述分区概率的集合相关联的相应概率分数。
5.根据权利要求4所述的方法，其中，通过将与所述分区概率的集合相关联的所述相应概率分数与预定阈值进行比较来确定所述分区概率的集合。
6.根据权利要求5所述的方法，其中，所述预定阈值取决于量化参数。
7.根据权利要求5所述的方法，其中，所述预定阈值取决于树深度。
8.一种用于对图像数据块进行编码的装置，包括：
9.根据权利要求8所述的装置，其中，所述神经网络被配置为进一步基于所述图像数据块和与所述图像数据块相邻的一个或多个因果像素来确定所述分
10.根据权利要求8所述的装置，其中，所述神经网络被配置为进一步基于指示所述图像数据块的邻近块如何被分区的信息来确定所述分区概率的集合。
11.根据权利要求8所述的装置，其中，所述处理器被配置为确定与所述图像数据块相关联的分区概率的集合包括所述处理器被配置为基于所述神经网络确定与所述分区概率的集合相关联的相应概率分数。
12.根据权利要求11所述的装置，其中，通过将与所述分区概率的集合相关联的所述相应概率分数与预定阈值进行比较来确定所述分区概率的集合。
13.根据权利要求12所述的装置，其中，所述预定阈值取决于量化参数。
14.根据权利要求12所述的装置，其中，所述预定阈值取决于与所述图像数据块相关联的树深度、块尺寸、块形状或条带类型。
15.一种非暂态计算机可读介质，其上存储有计算机程序，所述计算机程序在由处理器执行时，使得所述处理器执行根据权利要求1至7中的任一项所述的方法。
...【技术特征摘要】
1.一种方法，包括：
2.根据权利要求1所述的方法，其中，所述神经网络被配置为进一步基于所述图像数据块和与所述图像数据块相邻的一个或多个因果像素来确定所述分区概率的集合。
3.根据权利要求1所述的方法，其中，所述神经网络被配置为进一步基于指示所述图像数据块的邻近块如何被分区的信息来确定所述分区概率的集合。
4.根据权利要求1所述的方法，其中，确定与所述图像数据块相关联的分区概率的集合包括基于所述神经网络确定与所述分区概率的集合相关联的相应概率分数。
5.根据权利要求4所述的方法，其中，通过将与所述分区概率的集合相关联的所述相应概率分数与预定阈值进行比较来确定所述分区概率的集合。
6.根据权利要求5所述的方法，其中，所述预定阈值取决于量化参数。
7.根据权利要求5所述的方法，其中，所述预定阈值取决于树深度。
8.一种用于对图像数据块进行编码的装置，包括：
9.根据权利要求8所述的装置，其中，所述神经网络被配置为进一步基于所述图像数...
【专利技术属性】
技术研发人员：F·莱林内克，F·加尔平，F·拉卡普，S·杰斯瓦尔，
申请(专利权)人：交互数字VC控股公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。