Certains contenus de cette application ne sont pas disponibles pour le moment.
Si cette situation persiste, veuillez nous contacter àObservations et contact
1. (WO2019046306) PROCÉDÉ ET APPAREIL DE FILTRAGE À APPRENTISSAGE PROFOND À BRANCHES MULTIPLES
Dernières données bibliographiques dont dispose le Bureau international    Formuler une observation

N° de publication : WO/2019/046306 N° de la demande internationale : PCT/US2018/048352
Date de publication : 07.03.2019 Date de dépôt international : 28.08.2018
CIB :
G06T 9/00 (2006.01) ,H04N 19/82 (2014.01)
G PHYSIQUE
06
CALCUL; COMPTAGE
T
TRAITEMENT OU GÉNÉRATION DE DONNÉES D'IMAGE, EN GÉNÉRAL
9
Codage d'image, p.ex. à partir d'un mappage binaire pour obtenir un mappage non binaire
[IPC code unknown for H04N 19/82]
Déposants :
INTERDIGITAL VC HOLDINGS, INC. [US/US]; 200 Bellevue Parkway Suite 300 Wilmington, Delaware 19809, US
Inventeurs :
GALPIN, Franck; FR
RACAPE, Fabien; FR
DE MARMIESSE, Gabriel; FR
Mandataire :
DORINI, Brian, J.; US
LU, Xiaoan; US
Données relatives à la priorité :
17306102.928.08.2017EP
Titre (EN) METHOD AND APPARATUS FOR FILTERING WITH MULTI-BRANCH DEEP LEARNING
(FR) PROCÉDÉ ET APPAREIL DE FILTRAGE À APPRENTISSAGE PROFOND À BRANCHES MULTIPLES
Abrégé :
(EN) Deep learning may be used in video compression for in-loop filtering in order to reduce artifacts. To reduce the computation complexity of the neural networks, in one embodiment, a multi-branch CNN is used. The multi-branch CNN may include multiple basic CNNs and an identify filter, where each basic CNN or the identity filter is considered as a branch. At the encoder side, the best branch can be chosen, for example, based on RDO. The best branch can be indicated to or be derived at the decoder side. For similar filtering performance, each basic CNN in the multi-branch CNN can use fewer layers than if the filter is done by a single-branch CNN. At the decoder side, the best branch is used for in-loop filtering. By breaking the symmetry at the encoding and decoding using the CNN, the computation complexity at the decoder side can be reduced.
(FR) Selon la présente invention, un apprentissage profond peut être utilisé dans la compression vidéo pour un filtrage en boucle afin de réduire les artefacts. Pour réduire la complexité de calcul des réseaux neuronaux, dans un mode de réalisation, un CNN à branches multiples est utilisé. Le CNN à branches multiples peut comprendre de multiples CNN de base et un filtre d'identification, chaque CNN de base ou le filtre d'identité étant considéré comme une branche. Du côté codeur, la meilleure branche peut être choisie, par exemple sur la base de RDO. La meilleure branche peut être indiquée ou être dérivée du côté décodeur. Pour une operation de filtrage similaire, chaque CNN de base dans le CNN à branches multiples peut utiliser moins de couches que si le filtre est exécuté par un CNN à branche unique. Du côté décodeur, la meilleure branche est utilisée pour un filtrage en boucle. En cassant la symétrie au niveau du codage et du décodage à l'aide du CNN, la complexité de calcul du côté décodeur peut être réduite.
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)