.png){kind=icon}
返回
Exploring Invertible Encoding for Deep Video Compression
.png){kind=icon}
OA
AI
DOI：10.1109/TBC.2025.3541869.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
深度视频压缩方法通常采用自编码器式网络进行编码和解码，这可能导致编码过程中丢失的信息在解码时无法恢复。为解决此问题，近期研究探索了使用可逆神经网络进行增强可逆编码，已成功缓解空间信息丢失以实现更好的图像压缩。本文提出了一种新方法，将可逆编码扩展至时间信息，并引入了一种编码-解码网络用于深度视频压缩。我们的网络包含一个新颖的注意通道挤压模块以提升压缩性能，同时利用条件编码框架进行运动压缩。整个框架通过单个损失函数优化，平衡比特成本和帧质量。实验结果表明了该方法的有效性，与高效视频编码低延迟P配置相比，在PSNR/MS-SSIM指标上实现了15.45%/57.92%的比特节省。
Keyword:
Invertible encoding
better transformation
attentive channel squeeze
deep video compression
期刊
IF:
4.8
论文数:
2.1K
被引数:
3.0K
机构
引用论文
Spatial Decomposition and Temporal Fusion Based Inter Prediction for Learned Video Compression基于空间分解与时间融合的帧间预测方法用于学习型视频压缩OAAI
.png){kind=icon}
OAAI分享收藏
End-To-End Compression for Surveillance Video With Unsupervised Foreground-Background Separation
PREAI
分享收藏分享收藏Deep-PCAC: An End-to-End Deep Lossy Compression Framework for Point Cloud AttributesDeep-pcac: 点云属性的端到端深度有损压缩框架
PREAI
分享收藏
查看更多内容