视口切换不卡顿
面向高分辨率全景视频，以深度学习驱动的神经编解码方式，实现比传统方案更稳定流畅的画质体验。
Shi, Jianxin · Zhang, Miao · Shen, Linfeng · Liu, Jiangchuan · 蒲凌君 · 徐敬东
IEEE Transactions on Multimedia 2024
NETA 将神经压缩与传统编码相结合，在边缘智能框架下实现视口感知传输，整体观看质量提升 27%。
基于内容视觉显著性的隐式-显式缓冲区预取和智能模型切换，使卡顿时间减少 90%。
通过 Lyapunov 引导的深度强化学习算法优化，质量波动降低 64%。
团队已搭建可运行原型，验证了 NETA 方案的优异性能，便于后续部署。