CN119399031A 视频超分处理方法、装置、存储介质及芯片 （北京小米移动软件有限公司）

后所得的亮度分量和插值后所得的色度分量进据的超分是同时固化在视频超分模型中的，因的插值能在APU上并行执行，可获得更快的视频2通过部署在神经网络加速器上的视频超分模型，对所将超分后所得的亮度分量和插值后所得的色度分量进行3.根据权利要求2所述的方法，其特征在于，所述视频超分模型通过以下方式训练得通过将所述低分辨率视频帧样本的亮度分量作为所述视频超分采用图像缩放算法对所述高分辨率视频帧样本进行下采处理模块，被配置为通过部署在神经网络加速器通过部署在神经网络加速器上的视频超分模型，对所3将超分后所得的亮度分量和插值后所得的色度分量进行4是很多硬件厂商为人工智能(ArtificialIntelligence，AI)算法提供了专门的硬件加速[0003]视频超分(VideoSuper_Resolution)任务是从给定的低分辨率视频中恢复相应5[0025]整合模块，被配置为将超分后所得的亮度分量和插值后所得的色度分量进行整6家相应的数据保护法规政策的前提下，并获得由相应装置所有者给予授权的情况下进行[0046]正如背景技术中论述的那样，现阶段的视频超分算法大都是对RGB三通道数据超码器解码之后传给视频超分算法的接口数据是YUV数据，那么对于运行在不同计算资源的7[0054]在本公开中，神经网络加速器可以例如是联发科的神经网络加速器neuropilot、度分量包括待处理视频帧的U通道数据和待处理8可以根据实际使用场景进行设置，在训练的次数达到预设次数时可以确定训练次数足够[0070]在另一种实施方式，训练截止条件可以是视频超分网络的目标损失小于预设阈9[0085]整合模块203，被配置为将超分后所得的亮度分量和插值后所得的色度分量进行将所述高分辨率视频帧样本的亮度分量作为所述视频超分网络的目标输出的方式进行模[0102]图5是根据一示例性实施例示出的一种用于视频超分处理的装置800的框图。例的示例包括用于在装置800上操作的任何应用程序或方法的指令，联系人数据，电话簿数[0106]第一电源组件806为装置800的各种组件提供电力。第一电源组件806可以包括电后置摄像头可以是一个固定的光学透镜系统或具有焦距和置为接收外部音频信号。所接收的音频信号可以被进一步存储在第一存储器804或经由通[0109]第一输入/输出接口812为第一处理组件802和外围接口模块之间提供接口，上述[0110]传感器组件814包括一个或多个传感器，用于为装置800提供各个方面的状态评号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列如包括指令的第一存储器804，上述指令可由装置800的第一处理器820执行以完成上述视频超分处理方法。例如，所述非临时性计算机可读存储介质可以是ROM、随机存取存储器ProcessingUnit，图形处理器)、CPU(CentralProcessingUnit，中央处理器)、FPGA数字信号处理器)、ASIC(ApplicationSpecificIntegrated[0116]图6是根据一示例性实施例示出的一种用于视频超分处理的装置1900的框图。例[0117]装置1900还可以包括一个第二电源组件1926被配置为执行装置19一个有线或无线网络接口1950被配置为将装置1900连接到网络，和一个第二输入/输出接口1958。装置1900可以操作基于存储在第二存储器1932的操作系统，例如Windows变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技