FANeRV：基于频率分离与增强的神经视频表示
计算机视觉与模式识别
2025-05-14 v4
摘要
神经视频表示（NeRV）因在 various 视频任务中表现突出而受到广泛关注。然而，现有 NeRV 方法往往难以捕获细粒度空间细节，导致重建模糊。本文提出基于频率分离与增强的神经视频表示（FANeRV），其核心为小波频率升级模块。该模块显式地使用离散小波变换将输入帧分离为高频和低频成分，然后通过专用模块进行针对性增强。最后，设计的门控网络有效融合这些频率分量以实现最佳重建。此外，集成卷积残差增强模块于网络后期，以平衡参数分布并提升高频细节的恢复。实验结果表明，FANeRV 在重建性能上显著提升，并在视频压缩、填充和插值等多个任务中超越现有 NeRV 方法。
引用
@article{arxiv.2504.06755,
title = {FANeRV: Frequency Separation and Augmentation based Neural Representation for Video},
author = {Li Yu and Zhihui Li and Chao Yao and Jimin Xiao and Moncef Gabbouj},
journal= {arXiv preprint arXiv:2504.06755},
year = {2025}
}