Inter-Frame Predictive Contour Coding for Semantic Map Compression
作者: Runyu Yang, Hyomin Choi, Fabien Racapé, Ivan V. Bajić
分类: eess.IV, cs.CV
发布日期: 2026-10-29
备注: 4 pages, 4 figures, to be presented at the 2026 IEEE International Conference on Visual Communications and Image Processing, Singapore, December 2026
🔗 代码/项目: GITHUB
💡 一句话要点
提出跨帧预测轮廓编码以解决动态语义地图压缩问题
🎯 匹配领域: 支柱三：空间感知与语义 (Perception & Semantics)
关键词: 动态语义地图 无损压缩 跨帧预测 轮廓编码 计算机视觉 数据传输 存储优化
📋 核心要点
- 现有的语义地图压缩方法主要关注单帧内的空间冗余，未能有效利用相邻帧之间的时间相关性。
- 本文提出了一种跨帧预测轮廓编码框架，通过预测斑块位置和标签索引来提高编码效率。
- 实验结果显示，所提方法在压缩性能上优于最新的无损语义地图压缩方法，平均比特率降低3.0%。
📝 摘要（中文）
动态语义地图已成为许多计算机视觉应用的重要中间表示。高效的无损压缩对于降低存储和传输成本至关重要。现有的基于轮廓的语义地图压缩方法主要利用单帧内的空间冗余，而忽略了相邻语义地图之间的强时间相关性。本文提出了一种跨帧预测轮廓编码框架，用于无损语义地图压缩。该框架首先从参考帧预测斑块位置和标签索引，然后利用参考轮廓中的链码单元进行轮廓预测。通过选择机制，根据估计的编码成本在内部编码和跨帧编码之间进行选择。实验结果表明，该方法在VSPW动态语义分割数据集上显著优于现有的无损语义地图压缩方法。
🔬 方法详解
问题定义：本文旨在解决动态语义地图的无损压缩问题，现有方法未能充分利用时间相关性，导致编码效率低下。
核心思路：通过跨帧预测斑块位置和标签索引，结合轮廓预测，充分利用时间冗余，提高编码效率。
技术框架：整体框架包括斑块位置和标签索引的预测模块，以及基于链码单元的轮廓预测模块，最后通过选择机制决定编码模式。
关键创新：提出的跨帧预测方法显著提高了编码效率，尤其是在处理动态场景时，克服了传统方法的局限性。
关键设计：在选择机制中，依据估计的编码成本在内部编码和跨帧编码之间进行选择，确保了压缩性能与计算复杂度之间的有效平衡。
🖼️ 关键图片
📊 实验亮点
实验结果表明，所提跨帧编码方法在VSPW动态语义分割数据集上实现了平均比特率降低3.0%，且编码时间增加不显著，展示了压缩性能与计算复杂度之间的良好平衡。
🎯 应用场景
该研究的潜在应用领域包括自动驾驶、机器人导航和智能监控等场景，能够有效降低动态语义地图的存储和传输成本，提升系统的实时性和效率。未来，该方法有望在更广泛的计算机视觉任务中得到应用，推动相关技术的发展。
📄 摘要（原文）
Dynamic semantic maps have become an important intermediate representation for many computer vision applications. Efficient lossless compression of such maps is essential for reducing storage and transmission costs. Existing contour-based semantic map compression methods mainly exploit spatial redundancy within individual frames while largely ignoring the strong temporal correlation between adjacent semantic maps. In this paper, we propose an inter-frame predictive contour coding framework for lossless semantic map compression. The proposed framework first predicts blob positions and label indexes from the reference frame and then performs contour prediction using corresponding chain-code units in the reference contours. A mode selection mechanism is further employed to choose between intra and inter coding according to the estimated coding cost. By exploiting temporal contour redundancy while preserving the advantages of contour-based representation, the proposed framework significantly improves coding efficiency. Experimental results on the VSPW dynamic semantic segmentation dataset demonstrate that the proposed method consistently outperforms state-of-the-art lossless semantic map compression methods. Compared with the recent context-adaptive extended chain coding framework, the proposed inter-frame coding achieves an average bitrate reduction of 3.0\% without significant increase in the average encoding time, demonstrating an effective trade-off between compression performance and computational complexity. The source code is made publicly available at https://github.com/InterDigitalInc/LosslessSegmentationMapCompression.