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！

龙图腾网获悉宁波东方理工大学(暂名)申请的专利一种上下文引导的转换器熵编码视频压缩装置和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：CN120343275B 。

龙图腾网通过国家知识产权局官网在2025-10-03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：202510828647.1，技术领域涉及：H04N19/42；该发明授权一种上下文引导的转换器熵编码视频压缩装置和方法是由沈晓宇;童俊龙;张伟;张辛铭;王项辉设计研发完成，并于2025-06-20向国家知识产权局提交的专利申请。

本一种上下文引导的转换器熵编码视频压缩装置和方法在说明书摘要公布了：本发明涉及一种上下文引导的转换器熵编码视频压缩装置和方法，通过设置视频压缩装置，采用运动网络与上下文网络的模型算法以将输入的当前视频帧与历史重构帧映射为时间上下文和当前帧隐变量。通过设置上下文分配装置，可调用其上设置的上下文引导的Transformer条件熵编码模型以根据时间上下文和当前帧隐变量获得重建视频帧，在二者的结合下，能够有效压缩时间上下文，显著降低了计算成本，同时保留了充分的时间依赖信息。

本发明授权一种上下文引导的转换器熵编码视频压缩装置和方法在权利要求书中公布了：1.一种上下文引导的转换器熵编码视频压缩装置，其特征在于，包括： 存储器，被设置为存储历史重构帧和时间上下文； 视频压缩装置，与所述存储器电连接，被设置为通过运动网络与上下文网络的模型算法，将输入所述视频压缩装置的当前视频帧与所述历史重构帧映射为所述时间上下文和当前帧隐变量； 上下文分配装置，与所述视频压缩装置电连接，被设置为通过调用其所包含的上下文引导的Transformer条件熵编码模型以根据所述时间上下文和所述当前帧隐变量获得重建视频帧； 其中，所述上下文引导的Transformer条件熵编码模型包括时间上下文重采样器、教师网络和学生网络，所述时间上下文重采样器的输入端同时与所述隐变量缓存区的输出引脚和帧编码器的输出端电连接，所述教师网络的输入端与所述时间上下文重采样器的输出端电连接，所述熵编码器的输出端与所述教师网络的输出端电连接，所述学生网络的输入端与所述时间上下文重采样器的输出端电连接，所述熵编码器的输出端与所述学生网络的输出端电连接； 所述上下文引导的Transformer条件熵编码模型被设置为执行如下步骤： B1：调用所述时间上下文重采样器执行窗口交叉注意力机制以将所述时间上下文和所述当前帧隐变量进行特征提取与特征融合，获得时间上下文表示； B2：判断当前是否处于所述上下文引导的Transformer条件熵编码模型的训练阶段，若是，则执行下一步； 若否，则执行步骤B4； B3：调用所述教师网络以利用所述时间上下文表示获得且向外输出所述重建视频帧，并通过参数映射层算法以利用所述重建视频帧获得概率质量函数的估计参数； B4：调用所述学生网络以通过模拟所述教师网络的运行方式获得所述重建视频帧和所述概率质量函数的估计参数； 所述步骤B3包括如下步骤； B31：调用所述教师网络执行Swin Transformer的窗口注意机制以利用所述时间上下文表示生成代表空间位置重要性的注意力图和代表空间位置确定性的熵图； B32：调用所述教师网络对注意力图和熵图进行归一化处理，并通过加权求和计算式生成空间依赖性评分矩阵； B33：调用所述教师网络利用top‑k算法以对空间依赖性评分矩阵中元素的位置进行排序，确定最具上下文价值的k个位置； B34：调用所述教师网络对最具上下文价值的k个位置进行解码，以确定空间上下文，获得且向外输出所述重建视频帧； B35：调用所述教师网络执行参数映射层算法以利用所述重建视频帧获得所述概率质量函数的估计参数。

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宁波东方理工大学(暂名)，其通讯地址为：315200 浙江省宁波市镇海区庄市街道同心路568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。