严 昊

（福州大学 物理与信息工程学院，福建 福州 350108）

0 引言

自20 世纪80 年代以来，高效视频压缩一直是多媒体领域的一项重要课题。影像设备的更新迭代带来了更佳的观看体验，传输和存储的数据量激增，因此越来越需要拥有更高效的压缩方案。传统视频编码标准，如动画专家群组（Moving Picture Experts Group，MPEG）、高级视频编码（Advanced Video Coding，AVC）、高效视频压压缩编码（High Efficiency Video Coding，HEVC）和通用视频编码（Versatile Video Coding，VVC）等在视频压缩任务取得了令人瞩目的性能效果[1]。近年来，神经网络已经在各领域获得了广泛应用。在压缩编码领域，神经网络能够将像素域的信息转换成更紧凑的潜在表征，从而提高视频的压缩性能。此外，神经网络中的模型参数可以通过大量的视频样本学习得到，减轻模型对手工设计的依赖。目前，基于深度学习的视频压缩已经成为一种拥有巨大潜力的视频压缩方案。

1 视频压缩框架概述

图像视频压缩的本质是运用算法剔除图像与视频信号中的多种多余信息，如空间上的重复、时间上的冗余、视觉上的非必要元素以及编码层面的额外信息等。相比于图像压缩只在空间域减少冗余，视频压缩需要利用连续帧之间的时间相关性减少时域冗余。传统的视频编码标准，如HEVC 是基于块结构的混合编码框架。混合编码框架主要包括帧内预测、帧间预测、变换量化、熵编码和去块滤波等模块[2]。在视频压缩框架中应用深度学习技术时，可以将基于深度学习的视频压缩分为两类，分别为基于深度学习的混合式视频压缩和基于深度学习的端到端视频压缩。……