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！

龙图腾网获悉同济大学申请的专利一种考虑显著度的基于隐式神经表示的视频编码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：CN119583797B 。

龙图腾网通过国家知识产权局官网在2025-10-17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：202411706795.8，技术领域涉及：H04N19/119；该发明授权一种考虑显著度的基于隐式神经表示的视频编码方法是由张冬冬;曹乾设计研发完成，并于2024-11-26向国家知识产权局提交的专利申请。

本一种考虑显著度的基于隐式神经表示的视频编码方法在说明书摘要公布了：本发明提出了一种考虑显著度的基于隐式神经表示的视频编码方法,包括：原始视频预处理；构建基于多尺度特征网格的视频隐式神经表示网络，包括多尺度特征网格和解码器；通过显著度指导的训练策略优化模型；将多尺度特征网格和解码器作为压缩数据进行压缩，得到视频码流；发送并解压视频码流，将每一帧的帧索引通过特征网格生成特征嵌入，将特征嵌入输入解码器输出对应的重构图像，按顺序排列，得到解码的视频。本发明将视频编码在一个隐式神经网络中，提出多尺度特征网格和基于轻量化卷积神经网络的解码器，显著提高视频重建的客观质量，并引入显著度预处理和显著度指导的训练方式，综合提高视频重建的视觉质量。

本发明授权一种考虑显著度的基于隐式神经表示的视频编码方法在权利要求书中公布了：1.一种考虑显著度的基于隐式神经表示的视频编解码方法，其特征在于，包括如下步骤： 步骤1：对需要编码的原始视频进行预处理，包括将视频逐帧拆分为图像，构造数据集； 步骤2：构建基于多尺度特征网格的视频隐式神经表示网络模型，所述视频隐式神经表示网络包括一个多尺度特征网格和一个解码器； 步骤3：将步骤1得到的训练集的图像输入步骤2构建的视频隐式神经表示网络，输出得到重构图像； 步骤4：对步骤1中的得到的每一帧进行显著度预测，得到显著度图；步骤3得到的重构图像与输入图像、显著度图进行掩码后，计算显著区域重建损失；将步骤3得到的重构图像与输入图像进行比对，计算全局重建损失；将全局重建损失和显著区域重建损失加权求和得到总损失； 步骤5：根据步骤4得到的总损失，使用Adam优化器，进行显著度指导的训练，端到端的优化所述视频隐式神经表示网络； 步骤6：循环执行步骤3-步骤5，训练指定轮次，保存训练好的视频隐式神经表示网络模型，将训练好的视频隐式神经表示网络模型中多尺度特征网格和解码器网络参数作为压缩数据进行压缩，得到视频码流； 步骤7：发送并解压缩视频码流，得到多尺度特征网格和解码器；将每一帧的帧索引输入多尺度特征网格，输出该帧的特征嵌入，将特征嵌入输入解码器，输出对应的重构图像，将重构图像按顺序排列，得到解码的视频。

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同济大学，其通讯地址为：200092 上海市杨浦区四平路1239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。