[发明专利]用于编码或解码图像的方法和装置

权利要求书

1.一种图像解码方法，包括：

接收编码图像的比特流；

确定从所述编码图像中分割的至少一个块；

确定用于预测所述至少一个块中的当前块的邻近块；

通过将所述邻近块应用于深度神经网络(DNN)学习模型来生成所述当前块的预测数据，其中，所述深度神经网络配置为通过使用至少一个计算机来预测图像的块；

从所述比特流中提取所述当前块的残留数据；以及

通过使用所述预测数据和所述残留数据来重构所述当前块。

2.根据权利要求1所述的图像解码方法，其中，所述DNN学习模型是被训练为根据所述DNN学习模型中包括的多个网络节点之间的连接关系和基于所述多个网络节点中的每个网络节点的权重的操作来预测所述当前块的原始数据的网络模型。

3.根据权利要求1所述的图像解码方法，其中，生成所述预测数据包括：

通过将所述邻近块应用于第一DNN学习模型以执行第一预测来生成所述当前块的第一预测数据；

通过将所述邻近块和所述第一预测数据应用于第二DNN学习模型以执行第二预测来生成所述当前块的第二预测数据；以及

通过使用所述第一预测数据和所述第二预测数据来生成所述预测数据。

4.根据权利要求3所述的图像解码方法，其中，所述第一预测数据用于预测所述当前块的原始数据，以及

所述第二预测数据用于预测通过从所述当前块的原始数据中减去所述第一预测数据而获得的值。

5.根据权利要求3所述的图像解码方法，其中，所述第一DNN学习模型是递归神经网络(RNN)学习模型，并且所述第二DNN学习模型是卷积神经网络(CNN)学习模型。

6.根据权利要求3所述的图像解码方法，其中，生成所述第一预测数据包括：根据每个时间步长的预定方向，将所述邻近块的序列输入到所述RNN学习模型。

7.根据权利要求5所述的图像解码方法，其中，确定所述邻近块包括：

从在所述当前块之前重构的块中确定与所述当前块相邻的相邻块；以及

将位于从所述当前块面向所述相邻块的每个方向上的块确定为所述邻近块。

8.根据权利要求7所述的图像解码方法，其中，所述输入包括基于所述当前块的左方向上的块，沿顺时针方向将位于每个方向上的块输入到所述RNN学习模型。

9.根据权利要求8所述的图像解码方法，其中，当每个方向上存在多个块时，位于同一方向上的块的输入顺序是从距所述当前块最远的块到距所述当前块最近的块的顺序。

10.根据权利要求6所述的图像解码方法，其中，所述输入包括：以Z扫描顺序将所述邻近块输入到所述RNN学习模型。

11.根据权利要求5所述的图像解码方法，其中，生成所述第二预测数据包括：通过将所述第一预测数据和与所述当前块相邻的邻近重构数据输入到所述CNN学习模型的卷积层来使用多个滤波器执行卷积运算。

12.根据权利要求1所述的图像解码方法，其中，生成所述预测数据包括：

确定所述当前块所参考的至少一个参考图片和至少一个参考块位置；以及

通过将所述至少一个参考图片和所述至少一个参考块位置输入到所述DNN学习模型来生成所述预测数据。

13.根据权利要求1所述的图像解码方法，其中，从所述比特流的视频参数集、序列参数集和图片参数集中的至少一个获得关于所述DNN学习模型的结构的信息。