基于分层时序神经表示的视频压缩
计算机视觉与模式识别
2026-01-27 v1
摘要
视频压缩最近受益于隐式神经表示（INRs），这些表示将视频建模为连续函数。INRs提供紧凑的存储和灵活的重建，为传统编解码器提供了有前景的替代方案。然而，大多数现有的基于INR的方法将时间维度视为独立输入，限制了其捕捉复杂时序依赖性的能力。为此，我们提出一种面向视频的分层时序神经表示，即TeNeRV。TeNeRV通过两个关键组件整合短期和长期依赖性。首先，跨帧特征融合（IFF）模块聚合相邻帧的特征，强制局部时序一致性并捕捉细粒度运动。其次，GoP自适应调制（GAM）机制将视频划分为图像组（GoP），并学习组特定的先验。该机制调制网络参数，实现跨不同GoP的自适应表示。大量实验表明，TeNeRV在率失真性能上 consistently 优于现有的INR方法，验证了我们方法的有效性。
引用
@article{arxiv.2601.17743,
title = {Video Compression with Hierarchical Temporal Neural Representation},
author = {Jun Zhu and Xinfeng Zhang and Lv Tang and Junhao Jiang and Gai Zhang and Jia Wang},
journal= {arXiv preprint arXiv:2601.17743},
year = {2026}
}