“F·拉卡佩”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网_中国专利网

首页在售求购查询申请展会资讯专利榜企服商城升级VIP

立即登录免费注册

在售专利
求购专利
查询专利
新闻资讯
技术展会
招商加盟
专利榜

本网专利代理业务由天津创信方达专利代理事务所(普通合伙)承接机构代码：12247 本网专利代理业务由天津创信方达专利代理事务所(普通合伙)承接机构代码：12247 本网专利代理业务由天津创信方达专利代理事务所(普通合伙)承接机构代码：12247

本网专利代理业务由天津创信方达专利代理事务所(普通合伙)承接机构代码：12247 本网专利代理业务由天津创信方达专利代理事务所(普通合伙)承接机构代码：12247 本网专利代理业务由天津创信方达专利代理事务所(普通合伙)承接机构代码：12247

专利名称

专利名称
专利号码
专利分类
申请人
公布日期

农业化学；冶金建筑机械工程区域搜索

主分类

B 作业；运输

C 化学；冶金

D 纺织；造纸

E 固定建筑物

F 机械工程、照明、加热

专利下载VIP

公布日期

2023-10-24 公布专利

2023-10-20 公布专利

2023-10-17 公布专利

2023-10-13 公布专利

2023-10-10 公布专利

2023-10-03 公布专利

2023-09-29 公布专利

2023-09-26 公布专利

2023-09-22 公布专利

2023-09-19 公布专利

专利权人

国家电网公司

华为技术有限公司

中兴通讯股份有限公司

三星电子株式会社

中国石油化工股份有限公司

鸿海精密工业股份有限公司

松下电器产业株式会社

上海交通大学

钻瓜专利网为您找到相关结果21个，建议您升级VIP下载更多相关专利

[发明专利]针对多个机器任务的学习视频压缩框架-CN202180074616.1在审
发明人： F·拉卡佩;L·D·希瓦加米奇;A·普什帕拉贾;J·贝盖特 -专利权人： VID拓展公司
申请日： 2021-11-03 - 公布日： 2023-07-18 - 主分类号： G06N3/02 文献下载
摘要：针对多个任务(诸如对象检测、所显示视频的观看或其他机器任务)对视频信号的压缩表示的处理进行优化。在一个实施方案中，作为编码/解码操作的一部分执行多个分析阶段和单个合成，其中训练编码器侧分析以及任选地训练对应的机器任务。在另一个实施方案中，在解码侧执行多个合成操作，从而优化相应的分析、合成和任务阶段。其他实施方案包括将经解码的特征图馈送到任务、预测编码以及使用基于超先验的模型。
针对机器任务学习视频压缩框架

[发明专利]针对多个机器任务的学习型视频压缩和连接器-CN202180074615.7在审
发明人： F·拉卡佩;L·D·希瓦加米奇;J·贝盖特;S·费尔特曼 -专利权人： VID拓展公司
申请日： 2021-11-03 - 公布日： 2023-07-14 - 主分类号： H04N19/50 文献下载
摘要：处理模块或连接器将编解码器的输出或经解码的输出调整为适用于替代任务的形式。在一个实施方案中，编解码器的输出用于机器任务，并且连接器将此输出调整为适用于视频显示。在另一个实施方案中，元数据伴随着编解码器输出，该输出可以指示连接器如何使编解码器输出适于替代任务。在其他实施方案中，处理模块在NxM窗口上执行平均化或卷积。
针对机器任务学习视频压缩连接器

[发明专利]用于更新基于深度神经网络的图像或视频解码器的方法和装置-CN202180059741.5在审
发明人： F·加尔平;F·拉卡佩;J·贝盖特;F·莱莱昂内克 -专利权人：交互数字VC控股法国有限公司
申请日： 2021-07-12 - 公布日： 2023-05-16 - 主分类号： H04N19/70 文献下载
摘要：本发明公开了一种用于对至少一个图像的至少一部分进行解码的方法和装置。该方法包括对至少一个更新参数进行解码，以及基于该经解码的更新参数来修改基于深度神经网络的解码器。该方法还包括使用至少该经修改的解码器来对至少一个图像的至少一部分进行解码。
用于更新基于深度神经网络图像视频解码器方法装置

[发明专利]用于对深度神经网络进行编码/解码的系统和方法-CN202180047163.3在审
发明人： F·拉卡佩;S·哈米迪-拉德;S·杰恩 -专利权人：交互数字VC控股法国有限公司
申请日： 2021-06-09 - 公布日： 2023-04-25 - 主分类号： H03M7/30 文献下载
摘要：本公开涉及一种方法，该方法包括：响应于确定至少一个深度神经网络的至少一个层的至少一个第一张量被分解为第二张量和第三张量，该第二张量和第三张量的参数被编码到比特流中，从比特流中解码第二张量和第三张量中的至少一者的大小，以及基于解码大小从比特流中解码第二张量和第三张量中的至少一者。还提供了对应的装置、编码方法、信号；比特流、存储介质和编码器设备和/或解码器设备。
用于深度神经网络进行编码解码系统方法

[发明专利]用于编码/解码深度神经网络的系统和方法-CN202180048854.5在审
发明人： S·哈米迪-拉德;S·杰恩;F·拉卡佩 -专利权人：交互数字VC控股法国有限公司
申请日： 2021-06-09 - 公布日： 2023-03-28 - 主分类号： H03M7/30 文献下载
摘要：本公开涉及一种方法，该方法包括量化输入张量的参数，所述量化使用码本，该码本的大小是根据在至少一个张量与所述至少一个张量的量化版本之间确定的失真值来获得的。本公开还涉及一种方法，该方法用于使用根据至少一个第一pdf因子界定的基于pdf的初始化来量化输入张量的参数，所述第一pdf因子是根据所得的熵在若干候选界定pdf因子中选择的。本公开还涉及对应信号；比特流、存储介质以及编码器和/或解码器设备。
用于编码解码深度神经网络系统方法

[发明专利]生成边信息的深度帧内预测器-CN202080079694.6在审
发明人： T·杜马斯;F·加尔平;J·贝盖特;F·拉卡佩 -专利权人：交互数字VC控股法国有限公司
申请日： 2020-10-09 - 公布日： 2022-08-26 - 主分类号： H04N19/11 文献下载
摘要：本发明至少提出了用于高效地编码或解码视频的方法和装置。例如，使用来自包括包围图像块的像素的上下文的至少一个神经网络来确定图像块的帧内预测和边信息。边信息允许解码器确定帧内预测，并且被发信号通知以用于解码。
生成信息深度预测

[发明专利]数据流压缩-CN202080092021.4在审
发明人： F·拉卡佩;S·杰恩;S·哈米迪-拉德;J·贝盖特 -专利权人： VID拓展公司
申请日： 2020-12-18 - 公布日： 2022-08-19 - 主分类号： G06N3/02 文献下载
摘要：根据第一方面，本公开涉及一种用于压缩数据的方法，该方法包括在该压缩期间对表示压缩稀疏格式的使用的至少一个信息进行编码。根据第二方面，本公开涉及一种用于解压缩输入数据的方法，该方法包括获得表示该输入数据的至少一部分中的零值或非零值的信息，并且基于该代表性信息，仅使用该零值或非零值的该非零值来进一步处理该输入数据的该部分。还公开了对应设备、系统、非暂态程序产品、计算机存储介质和信号。
数据流压缩

[发明专利]基于块的压缩自动编码器-CN202080083269.4在审
发明人： F·加尔平;F·拉卡佩;J·贝盖特;T·杜马斯 -专利权人：交互数字VC控股公司
申请日： 2020-12-14 - 公布日： 2022-07-22 - 主分类号： H04N19/90 文献下载
摘要：本发明公开了，在一个实施方式中，图片被划分为多个块，该块具有一致或不同的块大小。每个块由自动编码器压缩，该自动编码器可包括深度神经网络和熵编码器。可利用另一个深度神经网络来重建或解码压缩的块。量化可在编码器侧使用，并且去量化可在解码器侧使用。当对块进行编码时，相邻块可用作因果信息。潜在信息也可用作对编码器或解码器处的层的输入。垂直和水平位置信息可进一步用于对该图像块进行编码和解码。在编码器或解码器处用作对神经网络的层的输入之前，可将辅助网络应用于位置信息。为了减少块效应，可在输入到编码器之前扩展块。
基于压缩自动编码器

[发明专利]用于视频编码和解码的帧内预测-CN202080051567.5在审
发明人： G·拉斯;F·阿尔班;F·莱莱昂内克;F·拉卡佩 -专利权人：交互数字VC控股法国有限公司
申请日： 2020-06-22 - 公布日： 2022-04-26 - 主分类号： H04N19/105 文献下载
摘要：本发明公开了解码或编码画面信息，该解码或编码画面信息可以涉及确定与画面信息块的像素的预测相关联的值，其中，该预测基于沿着非对角线方向的帧内预测，基于非对角线方向从顶部和左侧的与块相邻的多个解码像素中确定块的至少四个参考样本，并且其中该值的确定包括基于二次模型和该四个参考样本的内插；以及基于该值对该画面信息的至少一部分进行解码或编码。
用于视频编码解码预测

[发明专利]用于利用基于矩阵的帧内预测的视频编码和解码的方法和装置-CN202080053273.6在审
发明人： F·加尔平;F·拉卡佩;J·贝加尼特;S·杰恩;S·哈米迪拉德 -专利权人：交互数字VC控股公司
申请日： 2020-07-01 - 公布日： 2022-03-04 - 主分类号： H04N19/42 文献下载
摘要：描述了不同的实现，具体地，提出了基于线性加权帧内预测(也称为基于矩阵的帧内预测)的视频编码和解码的实现。因此，对于在线性加权帧内预测中被编码或解码的块，从至少两个选择的减小大小的权重矩阵与相邻参考样本集合之间的至少两个矩阵向量乘积获得帧内预测样本。有利地，这种布置允许减少用于存储数据的存储器的量，并且允许减少帧内预测样本计算的复杂度。
用于利用基于矩阵预测视频编码解码方法装置

[发明专利]卷积神经网络的压缩-CN202080047526.9在审
发明人： S·贾因;S·哈米迪-拉德;F·拉卡佩 -专利权人：交互数字CE专利控股公司
申请日： 2020-06-25 - 公布日： 2022-03-01 - 主分类号： G06N3/063 文献下载
摘要：本公开涉及一种方法，该方法包括通过使用具有比第一张量维度更低的维度的一个或多个第二张量来整形权重的第一张量，并且在信号中编码第二张量。本公开涉及一种方法，该方法包括通过整形具有比第一张量维度更低的维度的一个或多个第二张量来获得权重的第一张量，该一个或多个第二张量是从信号中被解码的。本公开还涉及相应的设备、信号和计算机可读存储介质。
卷积神经网络压缩

[发明专利]用于对深度神经网络的基于低秩和位移秩的层进行编码和解码的框架-CN202080030648.7在审
发明人： F·拉卡佩;S·杰恩;S·哈米迪拉德 -专利权人：交互数字VC控股公司
申请日： 2020-04-20 - 公布日： 2021-11-30 - 主分类号： H04N19/124 文献下载
摘要：一种用于在比特流中传达信息以用于深度神经网络压缩的方法和装置，诸如在表示权重、偏差和非线性的矩阵中，通过网络层权重矩阵的基于低位移秩的近似来迭代地压缩预先训练的深度神经网络。低位移秩近似允许将所述预先训练的深度神经网络的原始层权重矩阵替换为少量结构化矩阵的总和，从而允许压缩和低推断复杂度。解码器阶段解析比特流以供推断。
用于深度神经网络基于位移进行编码解码框架

[发明专利]采用子分区的宽角度帧内预测-CN202080028075.4在审
发明人： F·拉卡佩;G·拉斯;F·厄本 -专利权人：交互数字VC控股公司
申请日： 2020-04-09 - 公布日： 2021-11-19 - 主分类号： H04N19/105 文献下载
摘要：一种用于执行用于编码或解码的预测的方法和装置使用采用子分区的帧内预测。所述子分区水平地或垂直地被定向，且可使用不同于其所源自的所述视频块的模式的宽角度模式。当用于子分区的参考样本例如由于方向而不可用时，用于所述子分区的参考样本是所述视频块的参考样本。在实施例中，当子分区是正方形时，常规的帧内预测方向被使用。通过垂直或水平地使用沿预测方向的映射，参考样本被使用来自视频块上方和右侧的块或视频块左侧和下方的块。
采用分区角度预测

[发明专利]基于低位移秩的深度神经网络压缩-CN202080021701.7在审
发明人： F·拉卡佩;S·杰恩;S·哈米迪拉德;D·帕帕季米特里乌 -专利权人：交互数字VC控股公司
申请日： 2020-03-13 - 公布日： 2021-10-29 - 主分类号： H04N19/42 文献下载
摘要：一种用于执行深度神经网络压缩的方法和装置，使用近似训练集以及诸如表示权重、偏差和非线性的矩阵中的信息，来通过网络层权重矩阵的基于低位移秩的近似来迭代地压缩预训练的深度神经网络。所述低位移秩近似允许将预训练的深度神经网络的原始层权重矩阵替换为少量结构化矩阵的总和，从而允许压缩和低推断复杂度。
基于位移深度神经网络压缩

[发明专利]帧内预测模式分区-CN202080017665.7在审
发明人： F·拉卡佩;G·拉斯;F·厄本 -专利权人：交互数字VC控股公司
申请日： 2020-03-10 - 公布日： 2021-10-22 - 主分类号： H04N19/11 文献下载
摘要：一种用于执行帧内预测模式分区的方法和装置，其使用多个帧内预测模式在视频译码块的多个区域上预测所述视频译码块的像素。预测可以基于使用要译码的块上方的至少一个参考行和/或使用要译码的块左侧的至少一个参考列的参考阵列。在所述译码块的不同区域中使用不同的预测模式。在至少一个实施例中，除了在所述块的不同区域上具有多个帧内预测模式之外，还将所述视频译码码块划分为多个分区。信令使得解码器能够确定一译码块内的区域的数量。在至少另一实施例中，在视频译码块的区域内可允许的预测模式相差一个角位置。
预测模式分区

1
2
下一页»
尾页
共 21 条

友情链接：交换友情链接需要网站权重大于4，网站收录10W以上，如符合条件，请联系QQ：76009968。

关于我们寻求报道投稿须知广告合作版权声明网站地图友情链接企业标识联系我们

在线咨询

400-8765-105周一至周五 9:00-18:00

版权所有钻瓜科技（天津）有限公司津ICP备15000985号津公网安备 12019202000206号http://www.vipzhuanli.com/公布日期

咨询在线客服

咨询在线客服

tel code back_top