Certains contenus de cette application ne sont pas disponibles pour le moment.
Si cette situation persiste, veuillez nous contacter àObservations et contact
1. (WO2019046295) APPAREIL ET PROCÉDÉ DE FILTRAGE AVEC APPRENTISSAGE EN PROFONDEUR EN FONCTION DU MODE
Dernières données bibliographiques dont dispose le Bureau international    Formuler une observation

N° de publication : WO/2019/046295 N° de la demande internationale : PCT/US2018/048333
Date de publication : 07.03.2019 Date de dépôt international : 28.08.2018
CIB :
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]
Déposants :
INTERDIGITAL VC HOLDINGS, INC. [US/US]; 200 Bellevue Parkway Suite 300 Wilmington, Delaware 19809, US
Inventeurs :
GALPIN, Franck; FR
DE MARMIESSE, Gabriel; FR
BORDES, Phillippe; FR
Mandataire :
DORINI, Brian J.; US
LU, Xiaoan; US
Données relatives à la priorité :
17306101.128.08.2017EP
Titre (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
Abrégé :
(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
États désignés : 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
Organisation régionale africaine de la propriété intellectuelle (ARIPO) (BW, GH, GM, KE, LR, LS, MW, MZ, NA, RW, SD, SL, ST, SZ, TZ, UG, ZM, ZW)
Office eurasien des brevets (OEAB) (AM, AZ, BY, KG, KZ, RU, TJ, TM)
Office européen des brevets (OEB (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)
Organisation africaine de la propriété intellectuelle (OAPI) (BF, BJ, CF, CG, CI, CM, GA, GN, GQ, GW, KM, ML, MR, NE, SN, TD, TG)
Langue de publication : anglais (EN)
Langue de dépôt : anglais (EN)