报告内容：视频压缩编码技术是减少传输带宽和存储空间的重要技术，在过去的几十年中不断有新的视频压缩编码标准出现（如HEVC, VVC）。目前主流的压缩编码技术主要是依赖混合编码架构和手工设计的编码工具实现性能提升。近年来，通过利用大规模训练数据和卷积神经网络的表达能力， 基于深度学习的视频压缩编码技术引起了越来越多的研究兴趣。本报告将介绍在端到端视频压缩编码领域的最新进展，讨论如何设计基于深度学习的视频压缩编码框架，以及如何提升运动估计与补偿性能，设计熵编码模型等。此外，本报告还将介绍传统压缩编码器和深度学习模块的混合优化等技术。

报告人：鲁国，博士，北京理工大学助理教授。2020年6月于上海交通大学获得博士学位，2017年9月-2019年3月在悉尼大学进行学术访问。主要研究方向包括视频压缩、视频增强、计算机视觉与深度学习等。至今已经在T-PAMI、T-IP、CVPR、ICCV、ECCV等国际顶级期刊和会议上发表20余篇论文。据微软学术统计，其代表性工作DVC是数据压缩领域近三年发表的最高引论文。主持/参与自然基金青年项目、重点研发计划课题等。担任计算机视觉顶级期刊IJCV客座主编，IEEE T-CSVT客座主编，AAAI2021 Senior PC，在ACMMM2021、CVPR2021、VCIP2020等国际会议上组织多个专题研究，获上海交通大学优秀博士论文。