排序方式: 共有15条查询结果,搜索用时 125 毫秒
11.
近年来,基于深度学习的视频压缩技术主要基于卷积神经网络(CNN)且采用运动补偿-残差编码的架构,由于常见的CNN只能利用局部的相关性,以及预测残差本身的稀疏特性,难以取得最优压缩性能。因此,提出一种基于Transformer架构的条件视频压缩算法,以实现更优的压缩效果。所提算法基于前后帧之间的运动信息,利用可形变卷积得到对应的预测帧特征;将预测帧特征作为条件信息,对原始输入帧特征进行条件编码,避免了直接编码稀疏的残差信号;利用特征间的非局部相关性,提出一个基于Transformer的深度条件视频压缩编码算法,用来实现运动信息编码和条件编码,进一步提升压缩编码的性能。实验结果表明:所提算法在HEVC、UVG数据集上均超越了当前主流的基于深度学习的视频压缩算法。 相似文献
12.
lP可视电话通话双方在网络中传输的主要是音频和视频数据漉,但是音、视频传输时数据漉量非常大,网络带宽比较有限,很容易造成数据传输延时。为了提高音、视频在网络中的传输速度和高质量的播放效果,必须对传输的音、视频数据流进行压缩。为此,本文提出了一种适用于lP可视电话系统的数据漉压缩和解压缩技术及实现方法。 相似文献
13.
14.
15.