[发明专利]一种视频的压缩方法

说明书

本申请提供了一种视频的压缩方法，涉及视频处理技术领域。所述方法包括：将视频输入视频压缩模型，得到所述视频的每个视频帧的OAR基元；对所述每个视频帧的OAR基元进行压缩重建，得到压缩后视频；获取所述视频压缩模型输出的所述压缩后视频。

技术领域

本申请涉及视频处理技术领域，特别是涉及一种视频的压缩方法。

背景技术

和深度学习融合的生成式重建对于视频的压缩具有重要意义，主要因为：一方面，随着视频媒体网络业务量剧增，出现了许多不同以往的应用场景，例如从标清到高清再到4k和8k，对视频压缩编解码传输能力提出了新的挑战；另一方面，虚拟现实(VR)、增强现实(AR)等新兴多媒体技术的应用，也吸引研究者发展新兴视频编解码方法。生成式重建的编解码码率远小于传统的压缩编解码码率，在视频压缩比上具有较大优势。同时，深度学习在图像处理领域发展迅速，特别在图像检测、分类、表征、生成等方面获得不错成果，为视频的生成式压缩重建提供了技术支持。

相关技术中，直接对视频的每一视频帧进行生成式压缩重建，然后将每一视频帧按照顺序进行拼接得到进行了压缩的视频。然而，这种方法得到的视频质量较低。

发明内容

鉴于上述问题，本申请实施例提供了一种视频的压缩方法，以便克服上述问题或者至少部分地解决上述问题。

本申请实施例的第一方面，提供了一种视频的压缩方法，所述方法包括：

将视频输入视频压缩模型，得到所述视频的每个视频帧的OAR基元；

对所述每个视频帧的OAR基元进行压缩重建，得到压缩后视频；

获取所述视频压缩模型输出的所述压缩后视频。

可选地，所述将视频输入视频压缩模型，得到所述视频的每个视频帧的OAR基元，包括：

将所述视频输入所述视频压缩模型，提取所述每个视频帧的目标属性基元、目标关系基元和背景向量；

将所述每个视频帧的目标属性基元、目标关系基元和背景向量进行拼接，得到所述每个视频帧的OAR基元。

可选地，所述提取所述视频的每个视频帧的目标属性基元、目标关系基元和背景向量，包括：

对所述每个视频帧进行目标检测，得到目标属性帧、目标关系帧和背景图像帧，所述目标属性帧包括至少一个目标，所述目标关系帧包括至少两个目标，所述背景图像帧不包括目标；

提取所述目标属性帧的目标属性基元，提取所述目标关系帧的目标关系基元，以及提取所述目标属性帧、所述目标关系帧和所述背景图像帧中的背景向量；

将不为所述目标属性帧的视频帧的目标属性基元设置为0，以及将不为所述目标关系帧的视频帧的目标关系基元设置为0；

将所述每个视频帧的目标属性基元、目标关系基元和背景向量进行拼接，得到所述每个视频帧的OAR基元，其中，所述OAR基元中的目标属性基元和/或目标关系基元为0或非0。

可选地，所述提取所述目标属性帧的目标属性基元，包括：

将所述目标属性帧输入目标属性基元提取模块，所述目标属性基元提取模块对所述目标属性帧进行压缩解码，得到初步属性特征向量；

对所述初步属性特征向量进行编码，得到所述目标属性帧的均值向量和方差向量；

根据所述目标属性帧的均值向量和方差向量，构建所述目标属性帧的隐向量分布；

对所述目标属性帧的隐向量分布进行解码，得到所述目标属性帧的目标属性基元。

可选地，所述提取所述目标关系帧的目标关系基元，包括：