HyperNVD：通过超网络加速神经视频分解
计算机视觉与模式识别
2025-03-24 v1
摘要
将视频分解为基于图层的表示对于创意行业的视频编辑至关重要，因为它使可以独立编辑特定图层。现有的视频图层分解模型依赖于为每个视频独立训练的隐式神经表示 (INR)，当应用于新视频时过程耗时。鉴于这一限制，我们提出了一种元学习策略，以学习通用的视频分解模型以加速在新视频上的训练。我们的模型基于超网络架构，该架构给定视频编码器嵌入，生成用于紧凑INR-based神经视频分解模型的参数。我们的策略缓解了单视频过拟合问题，重要的是缩短了对新未见视频上视频分解的收敛时间。我们的代码可在 https://hypernvd.github.io/ 获取。
引用
@article{arxiv.2503.17276,
title = {HyperNVD: Accelerating Neural Video Decomposition via Hypernetworks},
author = {Maria Pilligua and Danna Xue and Javier Vazquez-Corral},
journal= {arXiv preprint arXiv:2503.17276},
year = {2025}
}
备注
CVPR 2025, project page: https://hypernvd.github.io/