视频编码方法、装置以及设备与流程

本公开涉及人工智能领域，具体涉及云计算、视频编码、媒体云技术，可应用在智能云场景下。

背景技术：

1、量化是视频编码中不可缺少的关键步骤。量化是指将信号的连续取值(或大量可能的离散取值)映射为有限多个离散幅值的过程，实现信号取值多对一的映射。量化不可避免地引入失真。例如，如果量化选择rdoq(rate distortion optimized quantization，率失真优化量化)，又涉及到复杂的rdo(rate distortion optimized，率失真优化)流程，量化相对比较浪费时间。因此，判断何时使用rdoq成为视频编码中的一个至关重要的环节。

2、目前，量化决策方法主要为经验公式、实验数据拟合和公式推导等方法，通过统计特征来判断是否使用rdoq量化。

技术实现思路

1、本公开实施例提出了一种视频编码方法、装置、设备、存储介质以及程序产品。

2、第一方面，本公开实施例提出了一种量化决策模型训练方法，包括：获取样本视频序列集合，其中，样本视频序列集合包括样本视频序列；获取对样本视频序列进行编码中的当前变换单元的目标特征集合和量化标签；将目标特征集合作为输入，将量化标签作为输出，对初始量化决策模型进行训练，得到量化决策模型。

3、第二方面，本公开实施例提出了一种视频编码方法，包括：获取视频序列；获取对视频序列进行编码中的当前变换单元的目标特征集合；将目标特征集合输入到量化决策模型中，得到当前变换单元的量化决策结果，其中，量化决策模型是采用第一方面所述的方法训练得到的；基于量化决策结果对当前变换单元进行量化。

4、第三方面，本公开实施例提出了一种量化决策模型训练装置，包括：第一获取模块，被配置成获取样本视频序列集合，其中，样本视频序列集合包括样本视频序列；第二获取模块，被配置成获取对样本视频序列进行编码中的当前变换单元的目标特征集合和量化标签；第一训练模块，被配置成将目标特征集合作为输入，将量化标签作为输出，对初始量化决策模型进行训练，得到量化决策模型。

5、第四方面，本公开实施例提出了一种视频编码装置，包括：第一获取模块，被配置成获取视频序列；第二获取模块，被配置成获取对视频序列进行编码中的当前变换单元的目标特征集合；第一决策模块，被配置成将目标特征集合输入到量化决策模型中，得到当前变换单元的量化决策结果，其中，量化决策模型是采用第三方面所述的装置训练得到的；第一量化模块，被配置成基于量化决策结果对当前变换单元进行量化。

6、第五方面，本公开实施例提出了一种电子设备，包括：至少一个处理器；以及与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行如第一方面或第二方面中任一实现方式描述的方法。

7、第六方面，本公开实施例提出了一种存储有计算机指令的非瞬时计算机可读存储介质，计算机指令用于使计算机执行如第一方面或第二方面中任一实现方式描述的方法。

8、第七方面，本公开实施例提出了一种计算机程序产品，包括计算机程序，计算机程序在被处理器执行时实现如第一方面或第二方面中任一实现方式描述的方法。

9、本公开实施例提供的量化决策模型训练方法，通过训练量化决策模型，能够实现基于机器学习模型来提前进行量化决策，不仅节省了大量的时间，还提升了量化的准确程度。

10、应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。

技术特征：

1.一种量化决策模型训练方法，包括：

2.根据权利要求1所述的方法，其中，所述样本视频序列集合包括时域复杂度和/或空域复杂度不同的多个样本视频序列。

3.根据权利要求1所述的方法，其中，所述获取当前变换单元的目标特征集合，包括：

4.根据权利要求3所述的方法，其中，所述目标特征集合包括以下至少一项目标特征：所述当前变换单元的尺寸、亮度均值和亮度方差，所述当前变换单元的变换矩阵的绝对值和、均值和方差，以及对所述变换矩阵进行卷积后的绝对值和、均值和方差。

5.根据权利要求1所述的方法，其中，所述获取当前变换单元的量化标签，包括：

6.根据权利要求5所述的方法，其中，所述比对所述第一量化矩阵与所述第二量化矩阵的差异，得到所述量化标签，包括：

7.根据权利要求6所述的方法，其中，所述比对所述卷积结果与预设阈值的差异，得到所述量化标签，包括：

8.根据权利要求1-7中任一项所述的方法，其中，所述方法还包括：

9.一种视频编码方法，包括：

10.根据权利要求9所述的方法，其中，所述方法还包括：

11.根据权利要求10所述的方法，其中，所述合并所述量化决策结果和所述至少一个辅助量化决策结果，以及基于合并结果对所述当前变换单元进行量化，包括：

12.根据权利要求11所述的方法，其中，所述基于所述至少一个辅助量化决策结果确定所述当前变换单元的量化方式，对所述当前变换单元进行量化，包括：

13.根据权利要求11所述的方法，其中，所述基于所述至少一个辅助量化决策结果确定所述当前变换单元的量化方式，对所述当前变换单元进行量化，包括：

14.一种量化决策模型训练装置，包括：

15.一种视频编码装置，包括：

16.一种电子设备，包括：

17.一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使所述计算机执行权利要求1-8中任一项所述的方法或权利要求9-13中任一项所述的方法。

18.一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现根据权利要求1-8中任一项所述的方法或权利要求9-13中任一项所述的方法。

技术总结
本公开提供了一种视频编码方法、装置以及设备，涉及人工智能领域，具体涉及云计算、视频编码、媒体云技术，可应用在智能云场景下。量化决策模型训练方法的一具体实施方式包括：获取样本视频序列集合，其中，样本视频序列集合包括样本视频序列；获取对样本视频序列进行编码中的当前变换单元的目标特征集合和量化标签；将目标特征集合作为输入，将量化标签作为输出，对初始量化决策模型进行训练，得到量化决策模型。该实施方式通过训练量化决策模型，能够实现基于机器学习模型来提前进行量化决策，不仅节省了大量的时间，还提升了量化的准确程度。

技术研发人员：张旭
受保护的技术使用者：北京百度网讯科技有限公司
技术研发日：
技术公布日：2024/1/13