• 视频显示技术

    • CM (Color Management)    
    • Contrast Enhancement      
    • Sharpness Enhancement   
    • MEDI (Motion Estimation Deinterlacing)                     
    • 3D NR
      (3D Noise Reduction)           
    • FRC
      (Frame Rate Conversion)    
    • 1D Scaler/2D Scale
      SR (Super Resolution)          
    • 2D to 3D                                   
    • Local Dimming                    
    • OD (OverDrive)
    • SDR to HDR
    • Keystone
    • MLSR

    AMOLED 芯片技术

    • SPR
    • AGC
    • Demura
    • ACRP
    • DSC
    • IR DROP
    • Deburnin
    • LineOD
    • NonDSC

    智能视频技术

    • 人脸检测与识别
    • 车辆检测与识别
    • 人车云大数据分析平台
    • 超分辨率技术
    • 基于AI MURA压缩技术

    压缩技术

    • 基于TV通路上的技术压缩
    • 基于手机芯片的压缩
    • 基于TCON的压缩
    • 基于无延迟数据传输的压缩
    • 基于ISP压缩技术
  • Technological innovation

    技术创新示意

    1、多尺度深度残差网络技术

    深度残差网络能较好地表示高维非线性特征,同时还能具备较好的收敛性。

     

    引入多尺度信息,将残差网络与多尺度相结合,因而能更充分地表示和利用图像信息,从而大大提高了图像超分辨率的效果。

    2、训练样本优选技术

    训练样本对深度学习网络结果有重大影响。十多年通途对视频理解全融入样本库的建设中。图像超分辨率重建技术需要解决的是以下几类图像的放大:

    弱细节,比如地面,沙滩,头发,草丛,树皮,花蕊等;

    不同锐利度和不同角度边缘;

    非常高角度和非常低角度边缘;

    容易混叠区域。

    3、深度学习网络优化技术


    在网络优化前,处理一帧4K图像需要240秒,(4个GeForce GTX1080ti 显卡(GPU),属于NVIDIA品牌的GeForce系列的顶级处理器),通过以下优化可达到40倍的提速。

    (1)超分辨率只在亮度分量上进行

    (2)并行处理

    (3)网络层数优化

    (4)网络剪枝

    (5)使用对称性滤波器

    (6)Patch优化

    (7)滤波器和数据定点化

    所有文章
    ×