MODELOS HÍBRIDOS DE REDES NEURAIS ESPAÇO-TEMPORAIS PARA COMPACTAÇÃO DE VÍDEO

IPC Classification

Priority claims

Abstract

MODELOS HÍBRIDOS DE REDES NEURAIS ESPAÇO-TEMPORAIS PARA COMPACTAÇÃO DE VÍDEO. A presente invenção refere-se a sistemas e métodos para decodificar conteúdo de vídeo usando uma estrutura híbrida com base em redes de radiância convolucionais e neurais. Um decodificador recebe fluxos de bits de parâmetros de modelos, uma representação de nível de sequência e uma representação de resolução cruzada para reconstruir uma sequência de quadros. Os parâmetros de modelos compreendem parâmetros de rede de radiância neural. O decodificador decodifica os fluxos de bits dos parâmetros de modelos, a representação de nível de sequência e a representação de resolução cruzada. O decodificador gera, por um transformador de canais, uma representação combinada com base na representação de nível de sequência e na representação de resolução cruzada. O decodificador adapta um modelo de rede neural com base nos parâmetros de rede de radiância neural. O decodificador reconstrói a sequência de quadros por determinação, pelo modelo de rede neural adaptado, com base na representação combinada, informações de atributos de pixels para cada quadro da sequência de quadros reconstruída. O decodificador gera, para exibição em um dispositivo de cliente, a sequência de quadros reconstruída.