视频编解码中用于基于神经网络的工具的多模型选择的制作方法

技术特征：
1.一种视频编解码方法，其特征在于，由处理器执行，包括：接收视频数据，所述视频数据包括至少一个帧；确定与接收的视频数据相关联的至少一个量化参数，以对来自所述至少一个帧中的目标帧进行帧生成或增强；及，基于确定的量化参数，对所述视频数据进行解码。2.根据权利要求1所述的方法，其特征在于，基于确定的量化参数，选择至少一个神经网络模型用于所述帧生成或增强。3.根据权利要求1所述的方法，其特征在于，所述目标帧对应于来自i-帧、p-帧和b-帧中的至少一个。4.根据权利要求1所述的方法，其特征在于，已解码的视频数据包括在参考图片列表中。5.根据权利要求4所述的方法，其特征在于，基于所述参考图片列表，基于运动补偿预测、帧内预测或帧内块复制，对来自所述至少一个帧中的后续帧进行解码。6.根据权利要求4所述的方法，其特征在于，生成至少一个虚拟参考帧，并将所述至少一个虚拟参考帧包括在所述参考图片列表中。7.根据权利要求6所述的方法，其特征在于，基于以下中的至少一个，生成所述虚拟参考帧：信号处理、空间或时间滤波、缩放、加权平均、上/下采样、池化、具有存储器的递归处理、线性系统处理、非线性系统处理、神经网络处理、基于深度学习的处理、ai处理、预训练网络处理、基于机器学习的处理、在线训练网络处理。8.一种用于视频编解码的计算机系统，其特征在于，包括：至少一个计算机可读非易失性存储介质，用于存储计算机程序代码；至少一个处理器，用于读取所述计算机程序代码，根据所述计算机程序代码的指令进行操作，所述计算机程序代码包括：接收代码，用于使得所述至少一个处理器，接收视频数据，所述视频数据包括至少一个帧；确定代码，用于使得所述至少一个处理器，确定与接收的视频数据相关联的至少一个量化参数，以对来自所述至少一个帧中的目标帧进行帧生成或增强；及，解码代码，用于使得所述至少一个处理器，基于确定的量化参数，对所述视频数据进行解码。9.根据权利要求8所述的计算机系统，其特征在于，基于确定的量化参数，选择至少一个神经网络模型用于所述帧生成或增强。10.根据权利要求8所述的计算机系统，其特征在于，所述目标帧对应于来自i-帧、p-帧和b-帧中的至少一个。11.根据权利要求8所述的计算机系统，其特征在于，已解码的视频数据包括在参考图片列表中。12.根据权利要求11所述的计算机系统，其特征在于，基于所述参考图片列表，基于运动补偿预测、帧内预测或帧内块复制，对来自所述至少一个帧中的后续帧进行解码。13.根据权利要求11所述的计算机系统，其特征在于，生成至少一个虚拟参考帧，并将所述至少一个虚拟参考帧包括在所述参考图片列表中。
14.根据权利要求13所述的计算机系统，其特征在于，基于以下中的至少一个，生成所述虚拟参考帧：信号处理、空间或时间滤波、缩放、加权平均、上/下采样、池化、具有存储器的递归处理、线性系统处理、非线性系统处理、神经网络处理、基于深度学习的处理、ai处理、预训练网络处理、基于机器学习的处理、在线训练网络处理。15.一种非易失性计算机可读介质，其特征在于，其上存储有用于视频编解码的计算机程序，所述计算机程序用于使得至少一个计算机处理器：接收视频数据，所述视频数据包括至少一个帧；确定与接收的视频数据相关联的至少一个量化参数，以对来自所述至少一个帧中的目标帧进行帧生成或增强；及，基于确定的量化参数，对所述视频数据进行解码。16.根据权利要求15所述的计算机可读介质，其特征在于，基于确定的量化参数，选择至少一个神经网络模型用于所述帧生成或增强。17.根据权利要求15所述的计算机可读介质，其特征在于，所述目标帧对应于来自i-帧、p-帧和b-帧中的至少一个。18.根据权利要求15所述的计算机可读介质，其特征在于，已解码的视频数据包括在参考图片列表中。19.根据权利要求18所述的计算机可读介质，其特征在于，基于所述参考图片列表，基于运动补偿预测、帧内预测或帧内块复制，对来自所述至少一个帧中的后续帧进行解码。20.根据权利要求18所述的计算机可读介质，其特征在于，生成至少一个虚拟参考帧，并将所述至少一个虚拟参考帧包括在所述参考图片列表中。

技术总结
提供了一种视频编解码方法、计算机程序和计算机系统。接收视频数据，所述视频数据包括至少一个帧。确定与接收的视频数据相关联的至少一个量化参数，以对来自所述至少一个帧中的目标帧进行帧生成或增强。基于确定的量化参数，对所述视频数据进行解码。对所述视频数据进行解码。对所述视频数据进行解码。


技术研发人员：李泽强 王炜 许晓中 蒋薇 刘杉
受保护的技术使用者：腾讯美国有限责任公司
技术研发日：2021.08.23
技术公布日：2022/12/2