神经权重步进视频压缩
计算机视觉与模式识别
2023-12-14 v1 图形学
摘要
近来提出了多种将图像编码为神经网络权重为基础的压缩方法。然而，类似方法在视频压缩中的潜力仍未被探索。在本工作中，我们提出一组实验，用于测试使用两种架构范式（基于坐标的MLP（CbMLP）与卷积网络）压缩视频的可行性。此外，我们提出一种新颖的神经权重步进技术，其中视频的后续帧被编码为低熵的参数更新。为评估所考虑方法的可行性，我们将在多个高分辨率视频数据集上测试视频压缩性能，并与现有的常规和神经压缩技术进行比较。
引用
@article{arxiv.2112.01504,
title = {Neural Weight Step Video Compression},
author = {Mikolaj Czerkawski and Javier Cardona and Robert Atkinson and Craig Michie and Ivan Andonovic and Carmine Clemente and Christos Tachtatzis},
journal= {arXiv preprint arXiv:2112.01504},
year = {2023}
}
备注
Accepted to the pre-registration workshop at NeurIPS 2021