近日，一項名為DCVC-Mamba（DCVC-MB）的研究被ICME 2026接收，提出了一種基於狀態空間模型的神經B幀影片壓縮框架。該工作由Arjun Arora、Calvin-Khang Ta等10位作者共同完成，旨在解決B幀編碼效率問題。B幀作為影片壓縮中的關鍵幀型別，其編碼效率直接影響影片傳輸的頻寬和儲存需求。傳統編解碼器如VTM雖然效能優異，但計算複雜度高，而現有神經編解碼器在B幀處理上尚存瓶頸。DCVC-MB透過創新設計，在保持低延遲的同時顯著提升了壓縮率。
DCVC-MB的核心創新包括三個方面。首先，它採用IBP幀策略實現低延遲B幀編碼。IBP幀策略透過組織幀的預測結構，在保證隨機訪問能力的同時降低編碼延遲。其次，基於狀態空間模型構建的時空融合模型支援雙向時間預測。狀態空間模型能夠有效建模時序依賴，從而更高效地利用相鄰幀的時空資訊。第三，引入了熵感知跳過機制：根據每個潛在變數的熵值，選擇性跳過編碼某些熵值較低的潛在變數，從而大幅減少熵編碼耗時。實驗表明，該機制可在不影響率失真效能的前提下將熵編碼時間縮短約20%。此外，作者還提出了兩種推理時最佳化策略：一種是透過調整位元速率分配優先順序來最佳化整體壓縮效率，另一種是透過輕量級後處理網路進一步提升重建質量。這些策略在幾乎不增加計算量的情況下帶來了額外的效能增益。
在實驗評估中，DCVC-MB與現有神經影片編碼器（NVCs）及傳統編解碼器VTM進行了全面對比。測試資料集包括標準測試序列，涵蓋不同解析度和運動複雜度。結果顯示，相比之前的神經影片編碼器，DCVC-MB在平均BD-rate上實現了高達8.98%的降低，意味著相同質量下位元速率大幅減少；相比VTM-19.0-LDP（低延遲配置）和VTM-19.0-RA（隨機訪問配置，Inter-GoP=16）基準，BD-rate改善分別達到30.45%和1.81%。這些結果證明了DCVC-MB在神經影片壓縮領域的領先優勢。
該研究已提交至arXiv（ID: 2607.14305），並被ICME 2026錄用。論文提供了完整的程式碼和資料資源，可供研究人員復現和進一步探索。DCVC-MB的提出為影片壓縮技術，特別是B幀編碼的神經網路化提供了新的思路和有效方案。未來，該框架有望應用於即時影片通訊、流媒體服務以及影片監控等場景，推動影片編碼向更高效率、更低延遲的方向發展。