DCVC 是神经视频编码研究系统，验证压缩要同时查看实际码流与解码画面。熵估计给出的比特率不等于最终文件字节数，生成 JSON 也不证明通用播放器能播放。本文使用当前仓库入口整理率失真检查，未编译或运行编码器。
先准备短帧序列与版本匹配权重
从自有固定帧率短片准备顺序 PNG：im00001.png、im00002.png 等，放到独立序列目录。复制 test_cfg/all_RGB.json，改 root_path、base_path、序列名称、width、height 与 frames，保留实际帧数；不要把剩余官方数据集项目仍设为 test=1。当前 README 是 CVPR2026 版本，旧 DCVC 模型与参数不能混用。
按实际实现输出码流和重建帧
python test_video.py --model_path_i checkpoints/cvpr2026_image.pth.tar --model_path_p checkpoints/cvpr2026_video_hts.pth.tar --model_structure hts --rate_num 4 --test_config test_cfg/own_RGB.json --output_path own_result.json --stream_path own_stream --save_decoded_frame true --cuda_idx 0 -w 1当前 test_video.py 会写入再读取 .bin 码流，–save_decoded_frame 可保存重建内容。它没有旧教程常见的 –write_stream 参数，因此不能照搬旧命令。示例请求 CUDA 设备 0，运行前须按项目完成环境与扩展编译；不作 CPU 可运行或某显卡实时的承诺。
四个码率点要分别验收
rate_num=4 表示测试四个码率点。记录每点实际 .bin 字节数、帧数和重建质量，按固定时长换算总码率，再查看细文字、快速运动和场景切换。比较其他编码器时必须使用相同输入、像素格式、帧数与质量基准；不能拿最低码率点对比另一编码器最高质量输出。
研究码流与可交付视频不同
DCVC .bin 需要对应解码器，不能改名 MP4 后交付。保存的重建预览便于目测，也不是编码码流可被任意终端播放的证明。先检查编码解码帧数一致，异常停止排查日志与模型版本。下一步画出码率—质量点并比较实际用途，而不是引用论文硬件速度声称本机同样快。
参考资料
依据 2026-10-03 读取的官方资料整理：官方文档 1；官方文档 2；官方文档 3。
Ai菜鸟网。发布者：AI小管家，转载请注明出处：https://www.alyyhw.com/33148.html
