[发明专利]包括基于CNN的环路滤波器的编码方法与装置及解码方法与装置

权利要求书

1.一种基于CNN的环路滤波器学习方法，包括以下步骤：

通过对相当于原始图像与预测图像之间的差异的残差图像执行变换及量化，从而生成经变换及量化后的信息；

通过对所述经变换及量化后的信息执行反量化及反变换而生成经反量化及反变换后的信息；

通过将所述经反量化及反变换后的信息输入至基于CNN的环路滤波器而生成重建信息；

计算所述重建信息与基于所述原始图像的原始信息的差异；以及

基于所述差异调整所述基于CNN的环路滤波器的权重，

并且，所述预测图像基于所述原始图像与所述重建信息生成，

其中，基于CNN的环路滤波器的权重与基于CNN的环路滤波器的各层之间的多个连接权重有关，所述权重被确定为最小化训练期间的一个或多个预定损失函数，所述权重根据以下至少一个获得：畸变值区间、纹理复杂度区间、运动复杂度区间、切片类型、编码分层水平、编码模式以及邻居编码块。

2.根据权利要求1所述的基于CNN的环路滤波器学习方法，

生成所述经变换及量化后的信息的步骤，包括：

基于根据畸变值的畸变值区间对所述残差图像进行变换及量化的步骤，

所述调整的步骤，包括：

调整对于所述畸变值区间的权重的步骤。

3.根据权利要求1所述的基于CNN的环路滤波器学习方法，

生成所述经变换及量化后的信息的步骤，包括：

基于图像特性的纹理复杂度区间，对所述残差图像进行变换及量化的步骤，

所述调整的步骤，包括：

调整对于所述纹理复杂度区间的权重的步骤。

4.根据权利要求1所述的基于CNN的环路滤波器学习方法，

生成所述经变换及量化后的信息的步骤，包括：

基于图像特性的运动复杂度区间对所述残差图像进行变换及量化的步骤，

所述调整的步骤，包括：

调整对于所述运动复杂度区间的权重的步骤。

5.根据权利要求1所述的基于CNN的环路滤波器学习方法，

生成所述重建信息的步骤，包括：

通过将预测信息输入至所述基于CNN的环路滤波器，从而生成重建信息的步骤，所述预测信息是初始重建块，所述初始重建块为预测块及重建残差块相加，

所述重建信息体现的是重建图像信息。

6.根据权利要求5所述的基于CNN的环路滤波器学习方法，

通过将所述预测信息输入至所述基于CNN的环路滤波器，从而生成重建信息的步骤，还包括：

对所述预测信息在输入至所述基于CNN的环路滤波器之前执行另外的环路滤波生成二次重建块的步骤，其中输入至所述基于CNN的环路滤波器的所述预测信息是二次重建块。

7.根据权利要求1所述的基于CNN的环路滤波器学习方法，

生成所述重建信息的步骤，包括：

通过将预测信息输入至所述基于CNN的环路滤波器，从而生成重建信息的步骤，所述预测信息是重建残差块，

所述重建信息体现的是重建残差信息。

8.根据权利要求7所述的基于CNN的环路滤波器学习方法，

通过将所述预测信息输入至所述基于CNN的环路滤波器，从而生成重建信息的步骤，包括：

对所述预测信息在输入至所述基于CNN的环路滤波器之前执行另外的环路滤波生成二次重建残差块的步骤，其中输入至所述基于CNN的环路滤波器的所述预测信息是二次重建残差块。