SRNeRV：面向神经视频表征的尺度级递归框架

隐式神经表征 (INR) 已成为视频表征和压缩的有前景范例。然而，现有的多尺度 INR 生成器常因在每个尺度堆叠独立处理块而导致显著参数冗余。鼓舞尺度自相似性原理，我们提出 SRNeRV，一种 novel 尺度级递归框架，用参数高效的共享架构取代堆叠设计。我们方法的核心是从解耦处理块中派生出的混合共享方案，即将处理块分解为尺度特定的空间混合模块和尺度不变的通道混合模块。我们递归地将相同的共享通道混合模块——其中包含大部分参数——跨所有尺度应用，显著减少模型大小，同时保持学习尺度特定空间模式的关键能力。大量实验表明，SRNeRV 在 INR-友好场景下实现了显著的 rate-distortion 性能提升，验证了我们的共享方案成功放大了 INR 范式的核心优势。