[发明专利]基于神经网络的预测块生成方法及装置

权利要求书

1.一种基于神经网络的预测块生成方法，其特征在于包括：

至少将以下信息输入到卷积神经网络：

待预测区域的参考块集合，所述参考块集合包括两个以上参考块；

以及所述参考块集合中的至少一个参考块与所述待预测区域的相似度图；

使用卷积神经网络处理输入信息；

由以下方法之一得到所述待预测区域的预测块：

直接由所述卷积神经网络的输出得到；或者

由所述卷积神经网络的输出与所述待预测区域的第一预测块相加得到，所述第一预测块由参考块集合中的部分或全部参考块线性加权得到。

2.如权利要求1所述的基于神经网络的预测块生成方法，其特征在于，使用卷积神经网络处理输入信息包括：

使用所述卷积神经网络的第一子网络处理至少包含参考块集合的输入信息；

使用所述卷积神经网络的第二子网络处理至少包含第一子网络未处理的输入信息；

以及使用所述卷积神经网络的混合处理网络联合处理所述第一子网络的输出和第二子网络的输出。

3.如权利要求1所述的基于神经网络的预测块生成方法，其特征在于，将以下信息之一作为所述的相似度图：

所述的参考块所在帧与待预测区域所在帧的时域播放距离；

或所述的参考块与待预测区域每个像素对应位置的质量距离；

或所述的参考块与待预测区域的视差。

4.如权利要求1所述的基于神经网络的预测块生成方法，其特征在于，输入到卷积神经网络的信息还包括以下信息之一：

所述待预测区域的空间相邻像素；或者

所述待预测区域的空间相邻像素和所述参考块集合中的至少一个参考块的空间相邻像素。

5.如权利要求1所述的基于神经网络的预测块生成方法，其特征在于，输入到卷积神经网络的信息还包括：

所述待预测区域的第二预测块，所述第二预测块由参考块集合中的部分或全部参考块线性加权得到。

6.一种基于神经网络的预测块生成装置，其特征在于包括：

神经网络处理模块：

其用于使用卷积神经网络模型，处理以下输入信息：

待预测区域的参考块集合，所述参考块集合包括至少两个参考块；

以及参考块集合中至少一个参考块与待预测区域的相似度图；

并将所述卷积神经网络模型的输出作为输出信息；

预测块生成模块：

其用于将所述神经网络处理模块的输出信息作为输入信息，并将以下信息之一作为输出信息：

接收的所述神经网络处理模块的输出信息；或者

接收的所述神经网络处理模块的输出信息与所述参考块集合线性加权得到的、所述待预测区域的第一预测块相加得到的信息。

7.如权利要求6所述的基于神经网络的预测块生成装置，其特征在于，所述神经网络处理模块包括：

第一子网络处理模块:用于输入至少包含参考块集合的输入信息，使用卷积神经网络模型处理得到第一子网络输出；

第二子网络处理模块:用于输入至少包含第一子网络处理模块未处理的输入信息，使用卷积神经网络模型处理得到第二子网络输出；

混合处理网络处理模块：用于使用卷积神经网络模型，联合处理所述第一子网络处理模块的输出和所述第二子网络处理模块的输出，得到混合处理网络输出作为神经网络处理模块的输出。

8.如权利要求6所述的基于神经网络的预测块生成装置，其特征在于，所述神经网络处理模块处理的输入信息中所述的相似度图包括以下信息之一：

参考块所在帧与待预测区域所在帧的时域播放距离；

或参考块与待预测区域每个像素对应位置的质量距离；

或所述的参考块与待预测区域的视差。