Kelvin v1.0：面向H.264的神经预编码器，UVG上BD-VMAF提升-27.62%
图像与视频处理
2026-05-19 v1 计算机视觉与模式识别
分布式、并行与集群计算
机器学习
多媒体
摘要
Kelvin是一种轻量级学习式预编码器，置于未修改的libx264编码器前端。它应用内容自适应的像素调整，调整幅度被限制在±1/255每个通道，以便编码器在感知上最重要的地方分配比特，同时发出兼容所有现有解码器、播放器和CDN的标准H.264比特流。在7序列1080p UVG基准测试中，Kelvin v1.0相对于libx264基准在中等预设下实现平均BD-VMAF提升-27.62%（7次全胜），BD-VMAF-NEG提升-5.18%（6次全胜）。在30序列MCL-JCV公开数据集（其中28个未被训练看到）上，同一检查点在BD-VMAF上以28次全胜获胜；若去除两个可诊断的失败，平均值为-27.70% BD-VMAF和-5.37% BD-VMAF-NEG，与UVG相差不到一个百分点。一个核心工程挑战是H.264的非可微性：我们描述了一种混合式编解码器代理，将校准的可微率估计器（与真实libx264每像素位数的斯皮尔曼 rho = 0.986）与在真实编码器输出上训练的U-Net失真代理相结合。我们发布了完整的每序列率失真数据、MCL-JCV上的命名故障模式分类学（率层违反、分布迁移、指标饱和）、五基准合理性面板（hqdn3d、unsharp、-tune psnr、-tune ssim、x265 medium），以及诚实的定位：x265 medium在同一语料库上的每个指标都战胜Kelvin。因此，Kelvin设计用于那些必须保持H.264而非选择性的工作负载。
引用
@article{arxiv.2605.16376,
title = {Kelvin v1.0: A Neural Pre-Encoder for H.264: A standards-compliant learned preprocessor with -27.62% BD-VMAF on UVG},
author = {Marco Graziano},
journal= {arXiv preprint arXiv:2605.16376},
year = {2026}
}