.png){kind=icon}
返回
CNVC: A Compact Neural Video Codec With Instance-Level Adaptation
.png){kind=icon}
PRE
AI
DOI：10.1109/TCSVT.2025.3640077.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
基于自编码器的神经压缩方法利用表现力强的模型来拟合大规模数据集，但往往会带来相当大的解码复杂度。最近，具有降低解码复杂度的过拟合编解码器作为替代方案受到了关注。然而，它们通常需要访问整个视频或同时处理多个帧来进行编码，从而导致显著的系统延迟。为解决这些局限性，我们提出了CNVC，一种紧凑型神经视频编解码器，它采用实例级自适应技术实现高效灵活的视频压缩。CNVC是完全过拟合的（每帧独立优化，最多使用45k次迭代以在本研究中实现最佳性能），构建在COOL-CHIC视频模型基础上，并进行了大量的架构和训练增强。在每像素仅1300次MAC运算的解码复杂度下，CNVC提供了比以往基于自编码器和过拟合的编解码器更紧凑的解决方案。此外，CNVC继承了COOL-CHIC视频的逐帧过拟合机制，能够实现灵活的编码配置（例如低延迟模式）。在压缩效率方面，与COOL-CHIC视频相比，CNVC在HEVC和UVG数据集上实现了显著的比特率降低。据我们所知，CNVC是首个在如此低的解码复杂度水平上达到HEVC（x265慢速设置）性能的紧凑型神经编解码器。
Keyword:
Compact neural codec
COOL-CHIC
instance-level adaptation
video compression
期刊
IF:
11.1
论文数:
846
被引数:
3.1W
机构
引用论文
.png){kind=icon}
分享收藏
查看更多内容