基于上下文建模的学习式孪生网络立体视频压缩方法OA

随着自动驾驶和虚拟现实等智能应用的快速发展,立体视频作为一种同时包含外观信息与深度线索的多维信号形式,被广泛应用于环境感知与沉浸式交互等场景。然而,立体视频在时间维和视点维上均存在大量冗余,其数据规模随分辨率和帧率的提升迅速增长,对存储与传输系统提出了更高要求。因此,如何实现立体视频的高效压缩,已成为视频编码与多媒体信号处理领域中的重要研究问题。与单视点视频相比,立体视频不仅具有复杂的时序相关性,还引入了显著的视点间冗余,使得冗余建模与高效压缩更具挑战性。现有立体视频压缩方法多基于传统多视点编码框架或端到端学习式编码器,通过显式残差编码与视差预测来减少冗余,但在概率建模层面仍难以充分挖掘多源上下文信息的统计相关性,其编码结构通常依赖多阶段残差与预测模块的级联,且对左右视点之间的条件依赖关系缺乏显式的结构化表达,从而限制了模型表达能力。针对上述问题,本文提出一种基于上下文建模的学习式孪生网络立体视频压缩方法,构建结构清晰的双视点编码框架,在特征空间中联合建模时间上下文与视点上下文信息,并通过条件编码网络对待编码特征的概率分布进行自适应估计,在无需显式残差计算的情况下有效减少时序与视点冗余。实验结果表明,在Cityscapes和KITTI 2015立体视频数据集上,所提出的方法在率失真性能上优于传统立体视频编解码器及代表性的学习式方法,显著提升了端到端立体视频的压缩效率。