实体
DCVC-DC
DCVC-DC
PulseAugur coverage of DCVC-DC — every cluster mentioning DCVC-DC across labs, papers, and developer communities, ranked by signal.
总计 · 30天
3
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
3
90 天内 3
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 3 条
-
新的神经视频压缩方法增强了时间对齐
本文介绍了一种新颖的神经视频压缩方法，该方法解决了时间上下文生成中的挑战，特别是在运动复杂或遮挡区域。所提出的方法利用上下文感知时间对齐模块来创建增强的时间上下文，以及差分感知空间选择性融合模块来自适应地过滤和整合可靠的时间信息。实验表明，与DCVC-DC等现有方法相比，该技术提供了改进的率失真性能。
-
新的神经视频压缩技术提高了效率和质量 · 已追踪 5 个来源
研究人员开发了新的神经视频压缩方法，重点是提高效率和质量。一种方法，可变形时间对齐和差分感知融合，通过生成互补的时间上下文和自适应地选择可靠信息来解决运动估计和对齐错误的问题。另一种方法 LRConv-NeRV 通过用结构化低秩可分离卷积替换密集卷积层来降低计算复杂度和模型大小，在质量损失最小的情况下实现了显著的效率提升。此外，还提出了一种可扩展的神经视频编解码器 (S-NVRC)，用于从单个比特流支持细粒度的比特率和解码复杂度可扩展…
-
新型神经视频压缩可适应域偏移
研究人员开发了一个名为DCVC-DT的新型神经视频压缩框架，旨在解决由训练数据和测试数据差异引起的性能下降问题。该系统包含一个轻量级的在线域迁移机制，可在推理过程中调整潜在表示，而无需更改编码器或解码器参数。此外，它还具有帧级动态比特率和失真调整功能，以提高性能。实验表明，与基线相比，DCVC-DT可节省高达6.21%的比特率，增强了泛化能力并减少了误差传播。