PulseAugur
实时 03:02:32
English(EN) Data-driven Video Codec with Implicit Neural Representations

神经网络将视频和音频存储为网络权重,实现2.61倍压缩

研究人员开发了一种新颖的视频编解码器,它将视频和音频存储为神经网络的权重,而不是压缩的像素数据。该方法使用正弦表示网络(SIREN)将时空坐标映射到视频和音频值。训练后,使用知识蒸馏、量化和LZMA2编码对网络进行压缩。结果得到的压缩表示在保持28.72 dB视频和24.18 dB音频的PSNR的同时,文件大小显著减小,在压缩比方面优于H.264和HEVC等传统编解码器。 AI

影响 这项研究提出了一种新颖的视频和音频压缩方法,与传统编解码器相比,有可能显著减小文件大小。

排序理由 学术论文,详细介绍了一种使用神经网络进行视频和音频压缩的新颖方法。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

神经网络将视频和音频存储为网络权重,实现2.61倍压缩

报道来源 [1]

  1. arXiv cs.AI TIER_1 English(EN) · Nishan Khanal, Saugat Neupane, Abhinav Chalise, Nimesh Gopal Pradhan, Dinesh Baniya Kshatri ·

    基于数据的隐式神经表示视频编解码器

    arXiv:2607.15298v1 Announce Type: cross Abstract: A conventional codec stores a video as compressed pixel data. We instead store the video, together with its audio track, as the weights of a single sinusoidal representation network (SIREN) that maps space-time coordinates to RGB …