本公开的某些方面涉及用于使用深度生成性模型来压缩视频内容的方法和装置。一种示例方法一般包括：接收供压缩的视频内容。所接收的视频内容一般通过可由第一人工神经网络实现的编码器被编码到隐性码空间中。经编码视频内容的经压缩版本一般通过可由第二人工神经网络实现的经训练概率性模型来生成并输出以供传输。

本公开的某些方面涉及用于使用深度生成性模型来压缩视频内容的方法和装置。一种示例方法一般包括接收用于压缩的视频内容。一般通过自编码器将所接收的视频内容编码到隐代码空间中,该自编码器可由第一人工神经网络来实现。一般通过经训练的概率模型(经训练的概率模型可由第二人工神经网络实现)来生成经编码视频内容的经压缩版本,并且输出以供传输。

本申请涉及人工智能领域中的视频编码技术,提供一种视频编码的方法和装置,能够生成更准确的预测帧,进而提高视频编码效率。该视频编码的方法包括：获取视频序列中待编码的第一视频帧之前的固定数量的第二视频帧的重建帧；根据所述第二视频帧的重建帧和所述视频序列的全局长期记忆,生成所述第一视频帧的合成参考帧,其中,所述全局长期记忆是根据所述视频序列中的所述第一视频帧之前的多个视频帧中的每个视频帧的重建帧和所述每个视频帧的合成参考帧确定的；根据所述第一视频帧的合成参考帧,对所述第一视频帧进行编码。由于该合成参考帧具有描述视频序列之间复杂的运动的能力,因此本申请实施例能够生成更准确的预测帧,提高视频编码效率。

一种可视媒体处理的方法,包括：对于可视媒体数据的当前视频块和当前视频块的比特流表示之间的转换,确定存储用于帧内块复制模式下的预测的参考样点的缓冲区；对于在空域上位于当前视频块相对于包括当前视频块的编解码树单元的左上角位置的位置处并具有块矢量的样点,计算缓冲区中在参考位置处的对应参考,其中,参考位置是使用块矢量和位置而确定的；以及当确定参考位置位于缓冲区之外时,至少部分基于当前视频块相对于包括当前视频块的编解码树单元的位置来重新计算参考位置。