基于域迁移的神经视频压缩
计算机视觉与模式识别
2026-05-14 v1
摘要
内容自适应压缩一直是神经视频编码（NVC）中的关键方向，旨在缓解训练数据与测试数据之间的域间隙。这种隙隙常因训练数据与推断数据之间的分布性差异而产生， 当测试内容与训练分布不同时，可能导致显著的性能下降。为应对这一挑战，我们提出了 DCVC-DT（Domain Transfer Enhanced Neural Video Compression Framework），即设计了一种轻量级在线域迁移（DT）机制，在推断期间动态适配编码后的潜在表示，从而在不修改编码器或解码器参数的情况下有效弥合域间隙。此外，我们开发了基于质量波动的帧级动态 RD（Rate and Distortion）调整方案，主动调节损失函数中 R 和 D 的比例，从而提高率失真性能。大量实验表明，DCVC-DT 相对于基线 DCVC-DC Achieved 最多可实现 6.21% 的比特率节省，同时显著增强了对未见测试数据的泛化性，并缓解了误差传播。我们的代码已公开于 https://github.com/SunnyMass/DCVC-DT。
引用
@article{arxiv.2605.13476,
title = {Neural Video Compression with Domain Transfer},
author = {Tiange Zhang and Rongqun Lin and Xiandong Meng and Haofeng Wang and Xing Tian and Qi Zhang and Siwei Ma},
journal= {arXiv preprint arXiv:2605.13476},
year = {2026}
}
备注
Accepted to ISCAS 2026 as an oral paper