DCVC-MB：基于状态空间模型的神经B帧视频压缩
本文提出DCVC-Mamba（DCVC-MB），一种用于B帧编码的神经视频编解码器框架。该框架采用IBP帧策略进行低延迟B帧编码，基于状态空间模型的时空融合模型进行双向时间预测，以及熵感知跳过机制选择性跳过某些潜在编码以缩短熵编码时间。此外，还实现了两种推理时策略以增强压缩性能。实验表明，DCVC-MB在平均BD-rate上相比 prior 神经视频编解码器降低高达8.98%，相比VTM-19.0-LDP和VTM-19.0-RA（Inter-GoP=16）基准分别改善达30.45%和1.81%，推动了神经视频压缩的进步。
近日，一项名为DCVC-Mamba（DCVC-MB）的研究被ICME 2026接收，提出了一种基于状态空间模型的神经B帧视频压缩框架。该工作由Arjun Arora、Calvin-Khang Ta等10位作者共同完成，旨在解决B帧编码效率问题。B帧作为视频压缩中的关键帧类型，其编码效率直接影响视频传输的带宽和存储需求。传统编解码器如VTM虽然性能优异，但计算复杂度高，而现有神经编解码器在B帧处理上尚存瓶颈。DCVC-MB通过创新设计，在保持低延迟的同时显著提升了压缩率。
DCVC-MB的核心创新包括三个方面。首先，它采用IBP帧策略实现低延迟B帧编码。IBP帧策略通过组织帧的预测结构，在保证随机访问能力的同时降低编码延迟。其次，基于状态空间模型构建的时空融合模型支持双向时间预测。状态空间模型能够有效建模时序依赖，从而更高效地利用相邻帧的时空信息。第三，引入了熵感知跳过机制：根据每个潜在变量的熵值，选择性跳过编码某些熵值较低的潜在变量，从而大幅减少熵编码耗时。实验表明，该机制可在不影响率失真性能的前提下将熵编码时间缩短约20%。此外，作者还提出了两种推理时优化策略：一种是通过调整码率分配优先级来优化整体压缩效率，另一种是通过轻量级后处理网络进一步提升重建质量。这些策略在几乎不增加计算量的情况下带来了额外的性能增益。
在实验评估中，DCVC-MB与现有神经视频编码器（NVCs）及传统编解码器VTM进行了全面对比。测试数据集包括标准测试序列，涵盖不同分辨率和运动复杂度。结果显示，相比之前的神经视频编码器，DCVC-MB在平均BD-rate上实现了高达8.98%的降低，意味著相同质量下码率大幅减少；相比VTM-19.0-LDP（低延迟配置）和VTM-19.0-RA（随机访问配置，Inter-GoP=16）基准，BD-rate改善分别达到30.45%和1.81%。这些结果证明了DCVC-MB在神经视频压缩领域的领先优势。
该研究已提交至arXiv（ID: 2607.14305），并被ICME 2026录用。论文提供了完整的代码和数据资源，可供研究人员复现和进一步探索。DCVC-MB的提出为视频压缩技术，特别是B帧编码的神经网络化提供了新的思路和有效方案。未来，该框架有望应用于实时视频通信、流媒体服务以及视频监控等场景，推动视频编码向更高效率、更低延迟的方向发展。