新神经视频压缩方法结合可变形时间对齐与差异感知融合，性能优于DCVC-DC
arXiv预印本提出一种基于条件编码的神经视频压缩方法，通过双模块减轻复杂运动、遮挡和高频纹理区域的时间上下文误差，实验显示率失真性能较DCVC-DC有所提升。
一篇arXiv预印本提出一种新的神经视频压缩方法，结合可变形时间对齐与差异感知空间选择性融合，旨在解决条件编码框架中复杂运动、遮挡和高频纹理区域的时间上下文误差。论文称，实验显示该方法在率失真性能上较DCVC-DC有所提升。该预印本由Chuyue Shan、Songlin Sun、Wang Chenwei、Shen Zihan撰写，于2026年9月3日提交至arXiv（编号2609.03520），属计算机视觉与模式识别（cs.CV）和人工智能（cs.AI）领域。
方法设计与实验
论文指出，在基于条件编码的神经视频压缩中，现有方法大多从传播的参考特征构建时间上下文，但在复杂运动、遮挡和高频纹理区域，容易受运动估计和局部对齐误差影响，导致时间信息不准确。为此，作者提出两个模块：Context-aware Temporal Alignment Module（上下文感知时间对齐模块）用于生成互补的时间上下文；Difference-aware Spatial Selective Fusion（差异感知空间选择性融合模块）则自适应选择可靠的时间信息并抑制错位。
实验部分，论文称该方法在率失真性能上较DCVC-DC实现了一定提升。摘要未提供具体实验数据集、比特率或增益数值。