一种帧内模板匹配方法、装置、设备及介质与流程
本发明涉及视频编码,特别是涉及一种帧内模板匹配方法、装置、设备及介质。
背景技术:
1、在视频编码中,帧内模板匹配技术通过从已重建像素区域中搜索与当前块最相似的模板来生成预测信号,能够有效提升帧内预测的编码效率。然而,传统模板匹配方案通常需要对大量候选模式逐一执行完整的模板匹配计算,才能从中选取最优者,这一过程的计算复杂度极高。一些方案尝试采用大型神经网络对候选模式进行预测筛选,但大型神经网络自身包含大量参数,其推理过程中的参数访问和乘加运算开销可能已经接近甚至超过模板匹配全搜索的复杂度,导致预测筛选带来的搜索收益被预测器自身的开销所抵消。
技术实现思路
1、本发明的目的是提供一种帧内模板匹配方法、装置、设备及介质,可以在保持模板匹配预测准确率的同时显著降低其计算复杂度。
2、为了解决上述技术问题,本发明提供一种帧内模板匹配方法,包括:
3、提取当前块的上下文特征;
4、将提取的所述上下文特征输入至轻量预测器,由所述轻量预测器输出候选分数;所述候选分数用于指示候选模式或候选类别的优先级;
5、根据所述候选分数,从候选集合中选取预定数量的目标候选;所述目标候选为所述候选分数满足预设条件的候选模式或候选类别;其中,当所述目标候选为候选类别时,将所述候选类别展开为对应的候选模式,得到候选模式集合;
6、仅对所述候选模式集合中的候选模式进行模板匹配处理,并依据模板匹配结果确定所述当前块的预测模式。
7、为了解决上述技术问题,本发明还提供一种帧内模板匹配装置,包括:
8、特征提取模块,用于提取当前块的上下文特征;
9、分数预测模块,用于将提取的所述上下文特征输入至轻量预测器,由所述轻量预测器输出候选分数;所述候选分数用于指示候选模式或候选类别的优先级;
10、候选选取模块,用于根据所述候选分数,从候选集合中选取预定数量的目标候选;所述目标候选为所述候选分数满足预设条件的候选模式或候选类别;其中,当所述目标候选为候选类别时,将所述候选类别展开为对应的候选模式,得到候选模式集合;
11、模式确定模块,用于仅对所述候选模式集合中的候选模式进行模板匹配处理,并依据模板匹配结果确定所述当前块的预测模式。
12、为了解决上述技术问题,本发明还提供一种电子设备,包括:存储器,用于存储计算机程序;处理器,用于执行所述计算机程序时实现上述的帧内模板匹配方法的步骤。
13、为了解决上述技术问题,本发明还提供一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现上述的帧内模板匹配方法的步骤。
14、本发明的有益效果在于,本发明提供的上述帧内模板匹配方法,提取当前块的上下文特征并输入至轻量预测器,利用轻量预测器对候选模式或候选类别的优先级进行预测,并根据预测出的候选分数选取预定数量的目标候选,仅在筛选出的候选模式集合内执行模板匹配处理,避免了在全部候选模式上逐一执行模板匹配所带来的计算开销;同时,由于轻量预测器的输入为上下文特征、输出为候选分数,其参数量和推理运算量远小于大型神经网络,预测器自身的开销被控制在较低水平;此外,轻量预测器在输出候选分数时既可输出各个候选模式的优先级,也可先输出各个候选类别的优先级再展开为对应的候选模式,能够灵活适应不同候选规模的应用场景,使候选筛选能够自适应于当前块的内容特性,显著提升了帧内模板匹配过程的编码效率。
15、此外,本发明还针对帧内模板匹配方法提供了相应的帧内模板匹配装置、电子设备及计算机可读存储介质,与上述提到的帧内模板匹配方法具有相同或相对应的技术特征,效果同上。
1.一种帧内模板匹配方法,其特征在于,包括:
2.根据权利要求1所述的帧内模板匹配方法,其特征在于,将提取的所述上下文特征输入至轻量预测器,由所述轻量预测器输出候选分数,包括:
3.根据权利要求1所述的帧内模板匹配方法,其特征在于,根据所述候选分数,从候选集合中选取预定数量的目标候选,包括:
4.根据权利要求1所述的帧内模板匹配方法,其特征在于,提取当前块的上下文特征,包括:
5.根据权利要求4所述的帧内模板匹配方法,其特征在于,在将提取的各类特征组合为特征向量之前,还包括:
6.根据权利要求1所述的帧内模板匹配方法,其特征在于,选取所述目标候选的过程中,包括:
7.根据权利要求1所述的帧内模板匹配方法,其特征在于,仅对所述候选模式集合中的候选模式进行模板匹配处理,并依据模板匹配结果确定所述当前块的预测模式,包括:
8.一种帧内模板匹配装置,其特征在于,包括:
9.一种电子设备,其特征在于,包括:
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的帧内模板匹配方法的步骤。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com