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！

龙图腾网恭喜重庆大学申请的专利基于Swin TransGAN的端到端深度视频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：CN115633180B 。

龙图腾网通过国家知识产权局官网在2025-05-27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：202211406649.4，技术领域涉及：H04N19/42；该发明授权基于Swin TransGAN的端到端深度视频压缩方法是由杨昊严;周明亮;尚赵伟;蒲华燕;罗均;向涛设计研发完成，并于2022-11-10向国家知识产权局提交的专利申请。

本基于Swin TransGAN的端到端深度视频压缩方法在说明书摘要公布了：本发明公开了一种基于SwinTransGAN的端到端深度视频压缩方法，包括：结合上一帧的重构值对当前帧进行运动估计，得到当前帧的运动向量；使用SwinTransformer对运动向量进行运动和残差压缩；将压缩后的运动向量和上一帧的重构值输入至预先构建的StyleSwinTransGAN的生成器，生成预测帧；其中，StyleSwinTransGAN的生成器为StyleGAN和SwinTransformer的结合，并引入双注意力机制；将预测帧和残差的重构值相加，得到重构帧；使用小波条件鉴别器消除重构帧的压缩伪影。本发明通过SwinTransformer提取特征，并结合StyleSwinTransGAN网络以实现更高质量的图像重构。

本发明授权基于Swin TransGAN的端到端深度视频压缩方法在权利要求书中公布了：1.一种基于SwinTransGAN的端到端深度视频压缩方法，其特征在于，包括：S1、结合上一帧的重构值对当前帧Xi进行运动估计，得到当前帧的运动向量mi；S2、使用SwinTransformer对运动向量mi进行运动估计和残差压缩，得到重构后的运动向量和潜在表示yi；S2包括：S21、将当前帧的运动向量mi分割为相同大小的块，并进行线性嵌入；S22、将经过线性嵌入的块输入至第一个由SwinTransformer块和PatchMerging组成的特征提取结构中提取特征；S23、通过卷积LSTM引入时序特征；S24、将时序特征和第一个特征提取结构提取的特征共同输入至第二个由SwinTransformer块和PatchMerging组成的特征提取结构中提取特征，并将提取到的特征进行量化后得到的潜在表示yi输入码流中；S25、将量化后的潜在表示yi经过通道合并以及SwinTransformer块结构，并将得到的特征输入卷积LSTM后再次输入通道合并以及SwinTransformer块结构，生成当前帧运动向量的重构值S3、将重构后的运动向量和上一帧的重构值输入至预先构建的StyleSwinTransGAN的生成器，生成预测帧其中，StyleSwinTransGAN的生成器为StyleGAN和SwinTransformer的结合，并引入双注意力机制；S3包括：S31、将重构的运动向量作为潜在变量经过归一化后输入到StyleSwinTransGAN的生成器中；S32、将归一化后的运动向量输入到八个全连接层中进行解耦；将解耦后的运动向量通过仿射变换输入AdaIN中；S33、将重构后的运动向量和上一帧的重构值经过扭曲配准和降采样，得到图像S34、将图像输入到由AdaIN、双注意力、AdaIN和全连接层所组成的特征提取结构中提取特征，得到上采样前的RGB图像；S35、将S34提取到特征图进行上采样并插入正弦位置编码后，输入到下一个由AdaIN、双注意力、AdaIN和全连接层所组成的特征提取结构中，得到上采样后的RGB图像；S36、将上采样前的RGB图像与上采样后的RGB图像相加，得到当前阶段的图像S37、重复执行S34-S36预设次数，实现多尺度的特征提取，获得预测帧S4、将预测帧和残差的重构值相加，得到重构帧S5、使用小波条件鉴别器结合潜在表示yi，对重构帧进行分层降采样和离散小波分解后，通过傅里叶光谱在每一个尺度检测重构帧的频率差异，以消除重构帧的压缩伪影。

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重庆大学，其通讯地址为：400030 重庆市沙坪坝区正街174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”。