CoordFlow：用于像素级神经视频表示的坐标流
计算机视觉与模式识别
2025-01-03 v1 机器学习
摘要
在视频压缩领域，追求在更低的比特率下获得更好质量的目标始终是长期的目标。最近的发展表明，隐式神经表示（INR）作为传统基于变换的方法的有前景的替代方案。视频INR大致可根据网络输出的结构分为帧级方法和像素级方法。虽然像素级方法在上采样和并行化方面更好，但帧级方法显示出更好的性能。我们引入CoordFlow，这是一种新的像素级INR用于视频压缩。它在与其他像素级INR以及领先的帧级技术上均取得了最先进的结果。该方法基于将视觉信息分离为视觉一致层，每个层由专用的网络表示，该网络补偿该层的运动。集成后，无监督视频序列分段的一个副产品。对象的运动轨迹被隐式地用于补偿视觉-时间冗余。此外，所提出的方法提供了内在的视频上采样、稳定、填充和去噪能力。
引用
@article{arxiv.2501.00975,
title = {CoordFlow: Coordinate Flow for Pixel-wise Neural Video Representation},
author = {Daniel Silver and Ron Kimmel},
journal= {arXiv preprint arXiv:2501.00975},
year = {2025}
}