买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉浙江大学申请的专利一种基于深度学习的高效时空超分辨率视频压缩复原方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115689917B 。

龙图腾网通过国家知识产权局官网在2025-06-13发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202211285099.5，技术领域涉及：G06T5/77；该发明授权一种基于深度学习的高效时空超分辨率视频压缩复原方法是由陈律丞;刘亮为;卓成设计研发完成，并于2022-10-20向国家知识产权局提交的专利申请。

本一种基于深度学习的高效时空超分辨率视频压缩复原方法在说明书摘要公布了：本发明公开了一种基于深度学习的高效时空超分辨率视频压缩复原方法，提出了一种基于深度学习的“编码‑解码”两阶段视频传输方案，该方案将视频超分辨率任务、视频帧插值任务结合到视频压缩复原任务中，以改进传统的编解码方案。具体来说，在编码阶段，该方法首先对视频依次进行空域下采样和时域抽帧操作，再使用常规编码压缩标准生成传输码流。在解码阶段，一个时空超分辨率重建网络将解压码流得到的视频作为输入，执行超分辨率、插帧和质量增强三项任务，以获得高分辨率、高帧率的质量增强视频帧。实验结果证明，所公开的方法在BD‑Rate和BD‑PSNR两项编码评估指标上的性能度明显优于传统编码方案和已有的深度学习复原方法，且具有低计算开销的优势。

本发明授权一种基于深度学习的高效时空超分辨率视频压缩复原方法在权利要求书中公布了：1.一种基于深度学习的高效时空超分辨率视频压缩复原方法，其特征在于，包括： 步骤1，编码阶段，将给定的源视频进行编码压缩，包括： 步骤1.1，对源视频进行抽帧； 步骤1.2，对源视频进行下采样； 步骤1.3，对源视频进行压缩； 步骤2，解码阶段，接收到来自编码阶段的视频码流后，生成最终的复原视频，包括： 步骤2.1，对经步骤1处理后的视频进行解压缩； 步骤2.2，对解压缩后的视频进行时空超分复原，时空超分复原操作包括： 设计时空超分辨率网络SRFI，通过该时空超分辨率网络SRFI完成针对低质量视频的时空超分质量增强任务，时空超分质量增强任务包括：对低质量视频在时域和空域两个维度上进行上采样操作，上采样操作包括时域视频插帧和空域视频超分辨率，并去除压缩伪影，得到复原的高质量HQ视频时空超分辨率网络SRFI以Nin个低质量帧作为输入，并恢复Nout个高质量帧； 时空超分辨率网络SRFI包括传播子网络、插帧子网络和超分子网络； 传播子网络，对输入帧应用一个前后向传播循环神经网络结构，以提取结合全局信息的帧特征图；双向网络由前向传播子网和后向传播子网组成，前向传播子网和后向传播子网的结构相同，区别在于输入时的图像帧馈送顺序，在子网内部，首先将输入视频帧序列输入一个光流预测器网络，进行图像间运动的光流预测，再将各时刻的图像帧与获得的对应光流图进行弯折对齐，之后，两组残差特征块执行隐藏特征的融合，获得该传播子网络该时刻的输出特征图表示；前后向子网的输出将进行按通道拼接，并使用1×1卷积层进行融合，最终获得该传播子网络输出的各时刻图像融合特征图； 插帧子网络，将传播子网络得到的各时刻图像融合特征图作为特征插值子网络的输入，该网络将合成输出压缩抽帧时失去的帧特征图；在该插帧子网络中，采用金字塔结构的可变卷积运算来捕捉帧之间的运动线索； 超分子网络，采用像素重组运算来提高传播子网络和插帧子网络生成的Nout帧特征图的空间分辨率，对于具有可用低分辨率原始特征图的帧时刻，另外引入残差块结构，最终输出高质量HQ视频

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人浙江大学，其通讯地址为：310058 浙江省杭州市西湖区余杭塘路866号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。