[发明专利]运动矢量自动生成的视频编解码系统

摘要

本发明公开了一种运动矢量自动生成的视频编解码框架，无需进行运动矢量预测和运动矢量编码传输，其包括：编码端与解码端；其中：所述编码端，根据当前参考帧的视频数据内容，并基于通过学习的方法构建的像素级的运动光场矢量生成网络，来预测当前帧视频像素的光流信息，再结合输入的块模式信息计算对应块的运动矢量，最终将编码的残差信息传输至解码端；所述解码端，对残差信息进行解码，获得重构参考帧数据，并采用与编码端相同的方法获得每一重构参考帧数据的运动矢量，再进行视频数据重建。由于该编码框架无需进行运动矢量搜索和运动矢量编码传输，从而降低编码复杂度和提升编码效率。

主权项

1.一种运动矢量自动生成的视频编解码系统，其特征在于，无需进行运动矢量预测和运动矢量编码传输，其包括：编码端与解码端；其中：所述编码端，根据当前参考帧的视频数据内容，并基于通过学习的方法构建的像素级的运动光场矢量生成网络，来预测当前帧视频像素的光流信息，再结合输入的块模式信息计算对应编码块的运动矢量，然后，进行运动补偿并计算残差，最终将编码的残差信息传输至解码端；所述解码端，将已经解码的视频帧作为输入，并采用与编码端相同的方法预测相应的光流信息，进而获得对应解码块的运动矢量，再利用接收到的残差信息重建视频帧；其中，所述通过学习的方法构建的像素级的运动光场矢量生成网络包括：建立包含多种视频内容类型、运动过程和不同压缩程度的视频数据的数据集；计算每一视频数据的光流信息作为训练样本的标签；构建神经网络，并以重建生成的当前重构参考帧作为经网络输入进行前向传播预测光流信息，并根据训练样本标签计算损失值，再根据损失值反向传播更新参数，如此反复迭代多次作为神经网络训练过程，训练完成的网络作为像素级的运动光场矢量生成网络。