.png){kind=icon}
返回
Context-Aware Semantic Video Coding via Content-Adaptive Parameter Overfitting
.png){kind=icon}
OA
AI
DOI：10.1109/access.2026.3734718.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
混合语义视频编码结合了学习到的表示与标准化的残差编码，但现有方法要么为每组图像重新训练整个模型，要么使用无法适应当地内容的固定解码器。本文介绍了一种上下文感知框架，通过仅优化其通道级缩放因子和转置卷积偏置，将预训练的语义解码器专门化到每组图像。紧凑的更新被差分压缩并与语义表示一起传输，使接收方能够在不进行全模型重新训练的情况下再现适配的解码器。分层双向预测结构提供运动对齐的时域上下文，而标准化的残差通路保持重建保真度。与先前的混合语义编解码器不同，所提出的方法联合提供了轻量级内容适配、显式的参数传输成本核算以及与共享预训练骨干网络的兼容性。在自然和分布外视频上的实验评估表明，在多样化条件下，该方法相比固定解码器基线和标准化参考编解码器均实现了持续的性能提升。
Keyword:
Adaptive coding
autoencoders
data compression
deep learning
entropy coding
neural networks
rate distortion theory
semantic communication
source coding
video coding
期刊
IF:
3.6
论文数:
9.8W
被引数:
29.4W
机构
引用论文
暂无论文信息