残差学习与滤波网络用于端到端无损视频压缩
图像与视频处理
2025-03-13 v1 计算机视觉与模式识别
摘要
现有的基于学习的视频压缩方法仍面临运动估计不准确和运动补偿结构不充分的问题。这些问题导致了压缩误差和次优的率失真权衡。为解决这些挑战，本工作提出了一种端到端视频压缩方法，集成了若干关键操作。具体而言，我们提出了一种带有残差跳跃连接的自动编码器网络，以高效压缩运动信息。此外，我们设计了运动矢量和残差帧滤波网络，以减轻视频压缩系统中的压缩误差。为提高运动补偿网络的有效性，我们利用强大的非线性变换，如参数修正线性单元（PReLU），来深入探索运动补偿架构。此外，引入缓冲区来微调先前的参考帧，从而提升重建帧的质量。这些模块与精心设计的损失函数相结合，该损失函数评估权衡并增强解码输出的整体视频质量。实验结果展示了我们方法在多个数据集上的竞争性表现，包括 HEVC（序列 B、C 和 D）、UVG、VTL 和 MCL-JCV。所提出的方法解决了视频压缩中精确运动估计和运动补偿的挑战，结果突显了其与现有方法相比的竞争性表现。
引用
@article{arxiv.2503.08819,
title = {Residual Learning and Filtering Networks for End-to-End Lossless Video Compression},
author = {Md baharul Islam and Afsana Ahsan Jeny},
journal= {arXiv preprint arXiv:2503.08819},
year = {2025}
}