非显而易见性评估仅供参考，不构成法律建议。
权利要求列表点击可跳转
对比文件列表
| 编号 | 名称 |
|---|
权利要求1
一种用于视频编码或解码的方法，包括；访问视频的图片的图像块的第一重建版本；以及；通过神经网络对所述图像块的所述第一重建版本进行滤波，以形成所述图像块的第二重建版本，其中，所述神经网络响应于所述图像块中的样本的块边界信息以及以下中的至少一个：(1)基于所述图像块的至少一个量化参数的信息，和(2)所述图像块的预测样本，以及其中，将所述图像块的所述块边界信息组织成与所述图像块的所述第一重建版本尺寸相同的样本阵列，以用作所述神经网络的输入通道，其中所述样本阵列中的样本指示所述图像块中的相应样本是否指示所述样本是否在所述图像块的边界处。
权利要求2
根据权利要求1所述的方法，还包括；形成具有与所述图像块相同的尺寸的数据阵列，其中，所述数据阵列中的每个样本与所述图像块的所述至少一个量化参数相关联。
权利要求3
根据权利要求1所述的方法，其中，所述神经网络还响应于以下中的一个或多个：(1)所述图像块的预测残差，和(2)所述图像块的至少一个帧内预测模式。
权利要求4
根据权利要求1所述的方法，其中，将所述神经网络的输入的一个或多个通道用作所述神经网络的中间层的输入。
权利要求5
根据权利要求3所述的方法，其中，所述图像块的所述第一重建版本基于所述预测样本和所述图像块的预测残差。
权利要求6
根据权利要求1所述的方法，其中，所述图像块对应于编码单元(CU)、编码块(CB)或编码树单元(CTU)。
权利要求7
根据权利要求1所述的方法，其中，所述图像块的所述第二重建版本用于预测另一图像块。
权利要求8
根据权利要求1所述的方法，其中，所述神经网络基于残差学习。
权利要求9
根据权利要求1所述的方法，其中，所述神经网络是卷积神经网络。