Tag · 4 篇
神经视频压缩
分布 底层视觉与图像复原2高效模型与推理加速1生成模型与扩散1
01 02 03 04
超快神经视频压缩
Ultra-Fast Neural Video Compression
提出基于块（chunk）的编码框架，将多帧编码为单一紧凑潜变量并并行解码，配合跨帧交互模块与帧特定解码器，可显著提升视频压缩的吞吐量并建模长期时序相关性；其精简熵编码机制将比特流交互合并为单步，降低解码开销，对视频压缩与高效视频处理有直接参考价值。
统一帧内帧间编码的实时神经视频压缩
Real-Time Neural Video Compression with Unified Intra and Inter Coding
提出统一的帧内/帧间编码模型与同时双帧压缩设计，可复用于视频压缩中的遮挡处理与误差传播抑制，并为实时视频传输提供高效神经编解码方案。
基于颜色分离与排序链的感知神经视频压缩
Perceptual Neural Video Compression with Color Separation and Rank Chain
把亮度与色度解耦处理并分别分配计算与码率预算，再配合基于码率的排序链损失做感知优化，这套思路可直接迁移到任何需要兼顾保真度与感知质量的低层视觉编码/复原任务中。
基于视频扩散先验的生成式神经视频压缩
Generative Neural Video Compression via Video Diffusion Prior
把视频扩散 Transformer 的流匹配去噪先验迁移到压缩潜变量的序列级精修上：从解码潜变量而非纯噪声初始化，并学习一个修正项来适配压缩退化，这一「以退化潜变量为起点的少步精修」思路可直接复用于超分、去压缩伪影等低层复原任务。