SR-NeRV：通过超分辨率提升神经视频表示的嵌入效率
图像与视频处理
2025-07-25 v2 计算机视觉与模式识别
摘要
隐式神经表示（INR）因能够在 various 领域建模复杂信号而受到广泛关注。最近，INR框架在神经视频压缩中表现出希望，能够将视频内容嵌入紧凑的神经网络。然而，这些方法往往难以在模型尺寸受限的情况下重建高频细节，而这在实际压缩场景中至关重要。为此，我们提出一种INR视频表示框架，集成通用超分辨率（SR）网络。该设计源于高频分量在帧之间具有低时序冗余性的观察。通过将细节重建卸载给预先在自然图像上训练的专用SR网络，所提方法提高了视觉保真度。实验结果表明，所提方法在重建质量方面优于常规INR基线方法，同时保持了相当的模型尺寸。
引用
@article{arxiv.2505.00046,
title = {SR-NeRV: Improving Embedding Efficiency of Neural Video Representation via Super-Resolution},
author = {Taiga Hayami and Kakeru Koizumi and Hiroshi Watanabe},
journal= {arXiv preprint arXiv:2505.00046},
year = {2025}
}