Cada dato y tipo de dato necesita un disco físico para almacenarlo. Ha habido una explosión en el volumen de imágenes, videos y otros tipos de datos similares circulados por Internet. Los usuarios que utilizan Internet esperan datos inteligibles, incluso bajo la presión de múltiples restricciones de recursos como cuellos de botella de ancho de banda y canales ruidosos. Por lo tanto, la compresión de datos se está convirtiendo en un problema fundamental en comunidades de ingeniería más amplias. Ha habido algunos trabajos relacionados en compresión de datos utilizando redes neuronales. Se aplican actualmente varias aproximaciones de aprendizaje automático en técnicas de compresión de datos y se prueban para obtener mejores resultados de compresión con pérdida y sin pérdida. Ya hay disponible una investigación muy eficiente y variada para la compresión de imágenes. Sin embargo, este no es el caso para la compresión de videos. Debido a la explosión de big data y al uso excesivo de cámaras en varios lugares a nivel mundial, alrededor del 82% de los datos generados involucran videos. Enfoques propuestos han utilizado Redes Neuronales Profundas (DNNs), Redes Neuronales Recurrentes (RNNs) y Redes Generativas Adversarias (GANs), y varias variantes de Autoencoders (AEs) se utilizan en sus enfoques. Todos los métodos recientemente propuestos tienen como objetivo aumentar el rendimiento (reduciendo el bitrate hasta un 50% con la misma calidad y complejidad de datos). Este documento presenta un análisis bibliométrico y una encuesta de literatura de todos los métodos de Aprendizaje Profundo (DL) utilizados en la compresión de video en los últimos años. Scopus y Web of Science son bases de datos de investigación bien conocidas. Los resultados recuperados de ellas se utilizan para este estudio analítico. Se realizan dos tipos de análisis en los documentos extraídos. Incluyen resultados cuantitativos y cualitativos. En el análisis cuantitativo, los registros se analizan en función de sus citas, palabras clave, fuente de publicación y país de publicación. El análisis cualitativo proporciona información sobre enfoques basados en DL para la compresión de video, así como las ventajas, desventajas y desafíos de su uso.