tianyili2017

您好。8是我们调试程序用的变量，若大于0表示需要调用编码加速算法，否则按标准方法编码。 现在的代码看起来没有用到8，我们准备再验证一下是否如此，谢谢您提醒！您也可以先尝试把8删掉，只保留后面的6个0.5，看结果是否合理。

可以用GPU运行，比如像您这样把video_to_cu_depth.py中的14行改成 os.environ['CUDA_VISIBLE_DEVICES'] = '0' ，或者根据您机器上的GPU配置，改成其他编号。无论用CPU还是GPU，都不影响编码结果，只是神经网络运行所需要的时间不同。默认用CPU，是为了在测量时间复杂度时保证公平，因为HM编码器是纯CPU程序，所以Tensorflow也用CPU，测出的总时间更有意义。

您好，看到您的描述我再次尝试在Windows10 x64、Python3.5和cpu版tensorflow上运行。 现在没有发现错误，以自带的配置文件encoder_yuv_source.cfg为例，程序可以正常编码BasketballPass_416x240_50.yuv的前50帧。运行前需要在此配置文件中，指明yuv文件路径（相对或绝对均可，比如本人的是G:/YUVs/BasketballPass_416x240_50.yuv），并请确认HM-16.5_AI\bin\vc10\x64\Release里自带的文件没有被手动删除。另外，为了顺利对高清视频编码，自带exe文件是在x64下编译的，可能不适用于32位系统。其他方面，根据您描述的情况，暂时难以判断原因，可否更具体地描述？ 感谢您关注我们的工作。

Hi, Now we are cleaning up the codes for the complexity reduction approach. After all tasks completes, we will share them on GitHub. For part of codes, I have sent...

G-Morgen, 您好，我们先整理出了Intra模式的训练程序和示例数据，已经发送到您邮箱。 完整的训练代码，和所用数据的格式，我们还在整理中，文章正式发表后将开源至GitHub，感谢您关注我们的工作！

Hi, The training programs for intra-mode have been uploaded onto this repository. For inter-mode, the programs will also be uploaded soon. Thank you for paying attention to our work. Best...

您好！看讨论中涉及到各种Python和Tensorflow版本，暂时不确定是否版本问题，因为之前的测试都是在一种配置下进行的（README.md提到），如有可能，最好用接近的配置运行，谢谢理解哈。 另外，还有一个可能的问题：运行的路径最好没有中文或空格，以免字符串识别错误，或者空格导致一个完整的字符串被识别成两个字符串，使得 assert len(sys.argv)==5 报错。

您好， 确实像楼上说的那样，52代表QP种类（取值范围0~51），每个QP用16个字节表示CU划分深度。至于另外64个字节，是保留的位置，如果以后需要其他特征可以放到这里，但目前暂时没用，可以忽略这64个字节，并不影响程序功能。

您好，抱歉晚复！这篇期刊论文（TIP 2018）的程序，是在会议论文（ICME 2017）的基础上做了大幅改进得到的。之前程序需要配的环境已经比较老，而且需要训练多个模型，代码比较复杂。所以直接发布了较为简洁的期刊论文代码，没有放会议版本，希望您理解哈。之后如果有时间，我试着整理一下。

您好。提取CU分割信息，最核心部分在 HM-16.5_Extract_Data/source/Lib/TLibEncoder/TEncSlice.cpp，第880～888行： static Int xIn16, yIn16; for (int x = 0; x