面向神经视频压缩的类比滤波与超类比重构增强
图像与视频处理
2025-09-05 v1 人工智能
摘要
本文探讨了增强滤波技术在神经视频压缩中的应用。具体而言，我们根据增强表示是否影响后续编码环路，将这些技术分为类环路滤波和超类环路重构增强。在类环路滤波中，通过减轻帧逐帧编码期间的误差传播来细化时序上下文。然而，其对当前和后续帧的影响在整个序列中自适应地应用滤波方面提出了挑战。为此，我们引入一种自适应编码决策策略，在编码期间动态确定滤波的应用。此外，采用超类环路重构增强来提高重构帧的质量，为编码效率提供了简单而有效的提升。鉴于我们所了解的情况，本工作是神经视频压缩语境下增强滤波的首次系统性研究。广泛的实验表明，与最先进的神经视频编解码器相比，我们的方法在比特率上实现了 7.71% 的降低，验证了所提出方法的有效性。
引用
@article{arxiv.2509.04051,
title = {Neural Video Compression with In-Loop Contextual Filtering and Out-of-Loop Reconstruction Enhancement},
author = {Yaojun Wu and Chaoyi Lin and Yiming Wang and Semih Esenlik and Zhaobin Zhang and Kai Zhang and Li Zhang},
journal= {arXiv preprint arXiv:2509.04051},
year = {2025}
}
备注
9 pages, 8 figures, Accepted to ACMMM 2025