Some content of this application is unavailable at the moment.
If this situation persist, please contact us atFeedback&Contact
1. (WO2019046295) METHOD AND APPARATUS FOR FILTERING WITH MODE-AWARE DEEP LEARNING
Latest bibliographic data on file with the International Bureau    Submit observation

Pub. No.: WO/2019/046295 International Application No.: PCT/US2018/048333
Publication Date: 07.03.2019 International Filing Date: 28.08.2018
IPC:
H04N 19/82 (2014.01) ,H04N 19/176 (2014.01) ,H04N 19/117 (2014.01) ,H04N 19/124 (2014.01) ,H04N 19/136 (2014.01)
[IPC code unknown for H04N 19/82][IPC code unknown for H04N 19/176][IPC code unknown for H04N 19/117][IPC code unknown for H04N 19/124][IPC code unknown for H04N 19/136]
Applicants:
INTERDIGITAL VC HOLDINGS, INC. [US/US]; 200 Bellevue Parkway Suite 300 Wilmington, Delaware 19809, US
Inventors:
GALPIN, Franck; FR
DE MARMIESSE, Gabriel; FR
BORDES, Phillippe; FR
Agent:
DORINI, Brian J.; US
LU, Xiaoan; US
Priority Data:
17306101.128.08.2017EP
Title (EN) METHOD AND APPARATUS FOR FILTERING WITH MODE-AWARE DEEP LEARNING
(FR) APPAREIL ET PROCÉDÉ DE FILTRAGE AVEC APPRENTISSAGE EN PROFONDEUR EN FONCTION DU MODE
Abstract:
(EN) Deep learning may be used in video compression for in-loop filtering in order to reduce artifacts. To improve the performance of a convolutional neural network (CNN) used for filtering, information available from the encoder or decoder, in addition to the initial reconstructed image, can also be used as input to the convolutional neural network. In one embodiment, QP, block boundary information and prediction image can be used as additional channels of the input. The boundary information may help the CNN to understand where the blocking artifacts are, and thus, may improve the CNN since the network does not need to spending parameters looking for blocking artifacts. QP or prediction block also provide more information to the CNN. Such a convolutional neural network may replace all in-loop filters, or work together with other in-loop filters to more effectively remove compression artifacts.
(FR) La présente invention concerne un apprentissage en profondeur qui peut être utilisé dans la compression vidéo destinée à un filtrage en boucle afin de réduire des artéfacts. Pour améliorer les performances d'un réseau neuronal convolutionnel (CNN) utilisé pour filtrer, des informations disponibles à partir du codeur ou du décodeur, en plus de l'image reconstruite initiale, peuvent également être utilisées en tant qu'entrée dans le réseau neuronal convolutionnel. Dans un mode de réalisation, un QP, des informations de limite de bloc et une image de prédiction peuvent être utilisés en tant que canaux supplémentaires de l'entrée. Les informations de limite peuvent aider le CNN à comprendre où les artéfacts de blocage se trouvent, et, par conséquent, peuvent améliorer le CNN puisque le réseau n'a pas besoin de dépenses de paramètres recherchant des artéfacts de blocage. Le bloc de prédiction ou QP fournit également plus d'informations au CNN. Un tel réseau neuronal convolutionnel peut remplacer tous les filtres en boucle, ou fonctionner conjointement avec d'autres filtres en boucle pour éliminer plus efficacement des artéfacts de compression.
front page image
Designated States: AE, AG, AL, AM, AO, AT, AU, AZ, BA, BB, BG, BH, BN, BR, BW, BY, BZ, CA, CH, CL, CN, CO, CR, CU, CZ, DE, DJ, DK, DM, DO, DZ, EC, EE, EG, ES, FI, GB, GD, GE, GH, GM, GT, HN, HR, HU, ID, IL, IN, IR, IS, JO, JP, KE, KG, KH, KN, KP, KR, KW, KZ, LA, LC, LK, LR, LS, LU, LY, MA, MD, ME, MG, MK, MN, MW, MX, MY, MZ, NA, NG, NI, NO, NZ, OM, PA, PE, PG, PH, PL, PT, QA, RO, RS, RU, RW, SA, SC, SD, SE, SG, SK, SL, SM, ST, SV, SY, TH, TJ, TM, TN, TR, TT, TZ, UA, UG, US, UZ, VC, VN, ZA, ZM, ZW
African Regional Intellectual Property Organization (ARIPO) (BW, GH, GM, KE, LR, LS, MW, MZ, NA, RW, SD, SL, ST, SZ, TZ, UG, ZM, ZW)
Eurasian Patent Office (AM, AZ, BY, KG, KZ, RU, TJ, TM)
European Patent Office (EPO) (AL, AT, BE, BG, CH, CY, CZ, DE, DK, EE, ES, FI, FR, GB, GR, HR, HU, IE, IS, IT, LT, LU, LV, MC, MK, MT, NL, NO, PL, PT, RO, RS, SE, SI, SK, SM, TR)
African Intellectual Property Organization (BF, BJ, CF, CG, CI, CM, GA, GN, GQ, GW, KM, ML, MR, NE, SN, TD, TG)
Publication Language: English (EN)
Filing Language: English (EN)