Versatile Video Coding
PulseAugur coverage of Versatile Video Coding — every cluster mentioning Versatile Video Coding across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
混合专家模型提升图像压缩效率
研究人员开发了一种新颖的、基于混合专家（MoE）模型的学习图像压缩熵模型，称为 MoEE。该方法允许模型仅激活给定输入图像所需的参数，从而提高效率。在 Kodak 数据集上，MoEE 模型相比 Versatile Video Coding (VVC) 实现了 -16.85% 的显著 BD-Rate 提升。
-
新研究推动了面向人类和机器感知的学习式图像压缩 · 跟踪3个来源
三篇新研究论文探讨了学习式图像压缩的进展。第一篇论文引入了一种具有多尺度的分层潜在表示，以改进熵建模，并在 Kodak 数据集上实现了比 VVC 低 17.9% 的 BD 率。第二篇论文通过将信息分散到不同数据包并使用双分支自回归结构来解决数据包丢失的弹性问题，在数据包丢失情况下显示出显著的 PSNR 增益和降低的方差。第三篇论文专注于面向机器感知的渐进式学习式图像压缩，通过新颖的适配器和自适应解码控制器来调整面向人类的编解码器，以保…
-
综述详述面向消费电子的深度学习视频编码技术
本综述论文探讨了用于视频编码的基于深度学习的滤波（DLF）技术，重点关注其在消费电子产品中的应用。文章讨论了计算复杂度和功耗的挑战，这些挑战阻碍了DLF在UHD显示器和物联网小工具等设备上的部署。论文对DLF方法进行了分类，并分析了性能与硬件可行性之间的权衡，强调了向适用于神经网络处理单元（NPU）的轻量级架构的转变。文章还考虑了基于神经网络的视频编码（NNVC）的标准化工作，并指出了实时推理和错误传播等未来挑战。
-
GStreamer 1.28.5 增加了 H.266/VVC 解码支持
GStreamer 1.28.5 多媒体框架已发布，引入了对 H.266/VVC 视频编解码器解码的支持。此次更新还包括对带 alpha 通道的 HEVC 解码的增强。该开源框架现已可供下载。
-
新的VVC框架优化自适应环路滤波器以实现更快的视频压缩
研究人员为通用视频编码（VVC）中的自适应环路滤波器（ALF）开发了一个优化框架。该新框架包括基于几何变换的自适应环路滤波器（GALF）和跨分量自适应环路滤波器（CCALF）的并行设计，以及GALF的自适应参数决策和单遍CCALF方案。所提出的方法显著减少了图像缓冲区访问，并在ALF模块中实现了约25%的时间节省，同时对编码性能的影响极小。
-
新方法通过面向边缘的分割提高视频编码效率
两篇新研究论文提出了用于通用视频编码的增强型几何分割方法。这些方法旨在通过减少分区模式和运动信息的信令开销来提高编码效率。通过利用时空相关性和边缘信息，所提出的技术可以预测最佳分割策略，与现有标准相比，可节省大量比特率。
-
新型可变形维纳滤波器提升视频编码效率
研究人员开发了一种可变形维纳滤波器（DWF），以提高视频编码效率。这种新滤波器结合了局部和非局部特征，基于维纳滤波器理论通过监督学习训练滤波器系数。DWF将样本分类到组中，分配共享的滤波器系数，并自适应地融合局部和非局部参考样本。与现有的通用视频编码（VVC）方法相比，这种方法显示出显著的比特率节省。
-
Dwarkesh Patel 在 Lex Fridman Podcast 上讲解视频编解码器和压缩技术
Lex Fridman Podcast 的主持人 Dwarkesh Patel 发布了多期讨论视频编解码器和压缩技术的节目。这些节目深入探讨了 AV2、H.265 (HEVC)、H.266 (VVC) 和 AV1 等各种标准。讨论中也涉及了黑客如何窃取数据，但主要焦点似乎是视频技术。
-
苹果研究人员推出学习图像编解码器，比特率节省3倍，移动速度快
研究人员开发了一种新的学习图像编解码器，显著改善了感知质量和运行时速度之间的权衡。通过对建模选择和性能感知神经网络架构搜索的全面研究，他们创建了一种编解码器，与AV1和VVC等传统标准相比，比特率节省了2.3-3倍。这种新的编解码器在设备上的性能也令人印象深刻，在iPhone 17 Pro Max上编码和解码12MP图像的速度不到300毫秒。