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！

龙图腾网获悉四川大学申请的专利基于多尺度交互通信时空网络的视频去压缩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：CN116112681B 。

龙图腾网通过国家知识产权局官网在2026-05-08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：202111327882.9，技术领域涉及：H04N19/42；该发明授权基于多尺度交互通信时空网络的视频去压缩方法是由何小海;张廷蓉;滕奇志;任超;熊淑华;陈洪刚;陈正鑫设计研发完成，并于2021-11-10向国家知识产权局提交的专利申请。

本基于多尺度交互通信时空网络的视频去压缩方法在说明书摘要公布了：本发明公开了一种基于多尺度交互通信时空网络的视频去压缩方法，主要包括以下步骤：构建多尺度时空特征对齐网络模块，对输入的参考帧序列和目标帧在多尺度特征空间内进行隐式对齐，得到对齐后的多尺度特征；构建多尺度特征增强网络模块，对上一步得到多尺度特征进行增强，得到增强后的特征；以目标帧和增强后的特征为输入，构建源特征选择增强模块；多尺度时空特征对齐网络模块、多尺度特征增强网络模块和源特征选择增强模块共同构成多尺度时空网络，利用数据集统一训练该多尺度时空网络，最终输出去除压缩效应视频。本发明所述的基于多尺度时空网络的视频去压缩方法能获得很好的主客观效果。因此，本发明是一种有效的视频去压缩方法。

本发明授权基于多尺度交互通信时空网络的视频去压缩方法在权利要求书中公布了：1.基于多尺度交互通信时空网络的视频去压缩方法，其特征在于：所述视频去压缩是指在视频压缩完成后，利用深度神经网络模型对压缩视频中因量化、预测和编码过程中引入的伪影进行修复与重建；该方法的实现过程包括以下步骤： 步骤一：构建多尺度时空特征对齐模块：具体地，以多尺度卷积和多尺度特征交互通信模块组成基本的多尺度残差块，利用多尺度残差块和可变形卷积构成多尺度时空特征对齐模块，对输入的参考帧和目标帧在特征空间进行对齐； 步骤二：构建多尺度特征增强模块：具体地，以多尺度残差块构成多尺度特征增强模块，将多尺度时空特征对齐模块的输出作为该模块的输入，对对齐后的多尺度特征进行增强与初步融合，输出增强后的深度特征；多尺度残差块由一个通道数为C的多尺度卷积，一个修正线性单元RectifiedLinearUnit，ReLU，2个通道数为0.5C的普通卷积和一个多尺度特征交互通信模块构成； 其中多尺度特征交互通信模块首先将低尺度的特征上采样2倍后与高尺度特征进行元素求和得到；接着，利用全局平均池化GlobalAveragePooling,GAP编码特征的全局信息，产生通道间的统计信息；随后，将通过的卷积操作得到一个紧凑的特征表示，；然后，特征表示z流经两路并行的卷积核尺寸大小均为1×1的卷积层将通道维数恢复到0.5C，得到两分支的特征表示分别为，，利用Softmax函数进行归一化操作，生成通道间相对注意力权重矩阵： ， 最后利用注意力权重将输入的多尺度特征重新缩放，得到交互通信增强后的多尺度特征，并输入至后续模块用于进一步特征融合或增强处理： ； 步骤三：构建源特征选择增强模块：源特征选择增强模块包括特征选择分支与特征保留分支，特征选择分支根据输入目标帧浅层特征的统计信息生成通道加权系数矩阵，对增强后的深层特征进行通道加权重缩放；特征保留分支保留深层特征的关键响应信息；两个分支的输出在通道维度上融合形成最终增强特征； 步骤四：将多尺度时空特征对齐模块、多尺度特征增强模块和源特征选择增强模块依次连接组合成最终的多尺度交互通信时空网络，其中多尺度特征增强模块的输出作为源特征选择增强模块的输入； 步骤五：利用训练数据集，训练步骤四中的网络； 步骤六：测试时，以压缩视频作为网络的输入，输出最终去除压缩效应的高质量视频。

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四川大学，其通讯地址为：610065 四川省成都市武侯区一环路南一段24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”。

以上内容由龙图腾AI智能生成。