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

作者 PulseAugur 编辑部 · [1 个来源] · 2026-07-20 04:00

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 →

本文如何被排名

Signal score: 0 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 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]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, infra; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: 80 days old; Aged out of breaking-news scoring windows; ranking reflects the durable signal from the full source set.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.AI TIER_1 English(EN) · Nishan Khanal, Saugat Neupane, Abhinav Chalise, Nimesh Gopal Pradhan, Dinesh Baniya Kshatri · 2026-07-20 04:00

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 …

本文如何被排名

报道来源 [1]

基于数据的隐式神经表示视频编解码器

相关实体

相关话题