[发明专利]视频处理电路及用于执行SR操作的方法

权利要求书

1.一种视频处理电路，其特征在于，该视频处理电路包括输入缓存器、在线适配电路和人工智能AI超分辨率SR电路；

其中，该输入缓存器用于通过网络从视频源接收输入的低分辨率LR帧和输入的高分辨率HR帧；

该在线适配电路用于：形成训练对，每个训练对由该输入的LR帧之一和该输入的HR帧之一组成；以及，利用该训练对计算表征该输入的LR帧的代表性特征的更新；以及，

该AI SR电路用于：从该输入缓存器接收该输入的LR帧以及从该在线适配电路接收该代表性特征；以及，在计算该代表性特征的更新的同时，基于该代表性特征从该输入的LR帧生成用于显示的SR帧，其中，每个SR帧具有比该输入的LR帧中的相应一者更高的分辨率。

2.如权利要求1所述的视频处理电路，其特征在于，该代表性特征包括以下一项或多项：场景类型，劣化类型，劣化级别和色彩状况。

3.如权利要求1所述的视频处理电路，其特征在于，该代表性特征包括用于该AI SR电路的信息，以更新用于生成该SR帧的AI模型的特性。

4.如权利要求1所述的视频处理电路，其特征在于，与该输入的LR帧相比，该输入的HR帧通过该网络被以更低频率地接收。

5.如权利要求1所述的视频处理电路，其特征在于，该训练对中的一个或多个包括具有不同内容和不同分辨率的HR帧和LR帧。

6.如权利要求1所述的视频处理电路，其特征在于，该在线适配电路可操作为：

利用卷积神经网络CNN识别该代表性特征。

7.如权利要求1所述的视频处理电路，其特征在于，该AI SR电路可操作为：

利用卷积神经网络CNN生成该SR帧。

8.如权利要求1所述的视频处理电路，其特征在于，该在线适配电路可操作为：

周期性地接收该输入的HR帧；以及，

将每个输入的HR帧与该输入的LR帧的多个LR帧进行配对，以形成多个训练对。

9.如权利要求1所述的视频处理电路，其特征在于，该在线适配电路可操作为：

当检测到预定事件时，接收一个或多个该输入的HR帧，其中，该预定事件包括场景改变或可用的网络带宽超过阈值。

10.如权利要求1所述的视频处理电路，其特征在于，在检测到预定事件时，该AI SR电路可操作为：更新用于生成该SR帧的AI模型，其中，该预定事件包括以下之一：不稳定的网络带宽，场景改变，固定的时间周期和每帧时长。

11.一种用于执行超分辨率SR操作的方法，其特征在于，包括：

通过网络从视频源接收输入的低分辨率LR帧和输入的高分辨率HR帧；

形成训练对，每个训练对由该输入的LR帧之一和该输入的HR帧之一组成；

利用该训练对计算表征该输入的LR帧的代表性特征的更新；以及，

在计算该代表性特征的更新的同时，基于该代表性特征从该输入的LR帧生成用于显示的SR帧，其中，每个SR帧具有比该输入的LR帧中的相应一者更高的分辨率。

12.如权利要求11所述的方法，其特征在于，该代表性特征包括以下一项或多项：场景类型，劣化类型，劣化级别和色彩状况。

13.如权利要求11所述的方法，其特征在于，该代表性特征包括用于更新被用来生成该SR帧的AI模型的特性的信息。

14.如权利要求11所述的方法，其特征在于，与该输入的LR帧相比，该输入的HR帧通过该网络被以更低频率地接收。

15.如权利要求11所述的方法，其特征在于，该训练对中的一个或多个包括具有不同内容和不同分辨率的HR帧和LR帧。