In recent years, the image and vide

近年来，图像和视频编码技术得到了突飞猛进的发展。但是，由于图像和视频采集设备的普及，图像和视频数据的增长速度远远超出了压缩率的提高。特别地，已经广泛认识到，在传统的混合编码框架内追求进一步的编码性能改进存在越来越多的挑战。深度卷积神经网络（CNN）使得神经网络近年来兴起，并且在人工智能和信号处理领域都取得了巨大的成功，还为图像和视频压缩提供了一种新颖而有希望的解决方案。在本文中，我们提供了基于神经网络的图像和视频压缩技术的系统，全面和最新的综述。介绍了基于神经网络的压缩方法的发展和发展，分别针对图像和视频。更具体地说，提出并讨论了利用深度学习和HEVC框架的尖端视频编码技术，这些技术大大提高了最新的视频编码性能。此外，还回顾了基于神经网络的端到端图像和视频编码框架，揭示了对下一代图像和视频编码框架/标准的有趣探索。重点介绍了使用神经网络进行的与图像和视频编码相关主题的最重大研究工作，并展望了未来 提出并讨论了利用深度学习和HEVC框架的最先进视频编码技术，这些技术大大提高了最新的视频编码性能。此外，还回顾了基于神经网络的端到端图像和视频编码框架，揭示了对下一代图像和视频编码框架/标准的有趣探索。重点介绍了使用神经网络在图像和视频编码相关主题上最重要的研究工作，并展望了未来 提出并讨论了利用深度学习和HEVC框架的最先进视频编码技术，这些技术大大提高了最新的视频编码性能。此外，还回顾了基于神经网络的端到端图像和视频编码框架，揭示了对下一代图像和视频编码框架/标准的有趣探索。重点介绍了使用神经网络在图像和视频编码相关主题上最重要的研究工作，并展望了未来 揭示了有关下一代图像和视频编码框架/标准的有趣探索。重点介绍了使用神经网络在图像和视频编码相关主题上最重要的研究工作，并展望了未来 揭示了有关下一代图像和视频编码框架/标准的有趣探索。重点介绍了使用神经网络在图像和视频编码相关主题上最重要的研究工作，并展望了未来<br>趋势也是可以预见的。尤其是，尝试探索语义和视觉信息的联合压缩，以制定人类视觉和机器视觉的高效信号表示结构，这是人工智能时代的两个主要信号接收器。

近年来，图像和视频编码技术突飞猛进。然而，由于图像和视频采集设备的普及，图像和视频数据的增长率远远超出了压缩率的提高。特别是，人们普遍认识到，在传统的混合编码框架中，进一步提高编码性能的挑战越来越大。深卷积神经网络（CNN）使神经网络近年来重新苏起，在人工智能和信号处理领域都取得了很大的成功，也为图像和视频压缩提供了新颖而有前途的解决方案。本文对基于神经网络的图像和视频压缩技术进行了系统、全面、最新的回顾。分别介绍了基于神经网络的压缩方法的演变和发展。更具体地说，通过深度学习和 HEVC 框架介绍和讨论了先进的视频编码技术，从而极大地促进了最先进的视频编码性能。此外，还回顾了基于神经网络的端到端图像和视频编码框架，揭示了对下一代图像和视频编码框架/标准的有趣探索。重点介绍了使用神经网络对图像和视频编码相关主题最重要的研究，以及未来<br>也设想了趋势。特别是对语义和视觉信息的联合压缩，为人类视觉和机器视觉制定高效信号表示结构，这是人工智能时代的两个主导信号受体。

In recent years, the image and video coding technologies have advanced by leaps and bounds. However, due to the popularization of image and video acquisition devices,the growth rate of image and video data is far beyond the improvement of the compression ratio. In particular, it has been widely recognized that there are increasing challenges of pursuing further coding performance improvement within the traditional hybrid coding framework. Deep convolution neural network (CNN) which makes the neural network resurge in recent years and has achieved great success in both artificial intelligent and signal processing fields, also provides a novel and promising solution for image and video compression. In this paper, we provide a systematic, comprehensive and up-to-date review of neural network based image and video compression techniques. The evolution and development of neural network based compression methodologies are introduced for images and video respectively. More specifically, the cutting-edge video coding techniques by leveraging deep learning and HEVC framework are presented and discussed, which promote the state-of-the-art video coding performance substantially. Moreover, the end-to-end image and video coding frameworks based on neural networks are also reviewed, revealing interesting explorations on next generation image and video coding frameworks/standards. The most significant research works on the image and video coding related topics using neural networks are highlighted, and futuretrends are also envisioned. In particular, the joint compression on semantic and visual information is tentatively explored to formulate high efficiency signal representation structure for both human vision and machine vision, which are the two dominant signal receptor in the age of artificial intelligence.<br>