一种基于深度学习的视频压缩方法

本发明公开了一种基于深度学习的视频压缩方法，具体涉及视频压缩领域，用于解决深度学习视频压缩中熵建模无法实时追踪残差分布动态迁移的问题，是通过多尺度自注意力机制精确刻画残差在空间与时间维度上的复杂分布，运用基于内容的混合密度生成器实现在每块数据上的自适应熵模型配置，将双向评估量送入预训练注意力模型动态生成阈值驱动高精度编码模板针对高频区域实施精细压缩，同时基于实时比特反馈对熵参数进行局部收缩以平衡输出，并通过参数冻结同步元数据保障解码端模型一致性，实现了压缩效率与重建质量的同步优化，使得波动收敛并抑制伪影偏差，从而逼近失真极限。