3D VAE

改进型3D视频变分自编码器，提升视频编码重建质量与稳定性 针对传统图像VAE扩展为3D VAE引发的运动模糊、细节失真问题，提出时间感知空间压缩方案优化空间编解码，集成轻量级运动压缩模型实现时间压缩。引入文本到视频数据集的文本信息做文本指导，联合图像与视频训练提升通用性，支持图像、视频双向自编码，多项评估显示性能优于现有主流基线模型。