Компьютерная наука > Компютерное видение и распознавание шаблона [представлено 15 сентября 2026 года] Название: tcnerv: dual-domain intermemoding для скрытого нейронного сжатия видео Вид PDF HTML (экспериментальное) резюме: Video Complication имеет целью свести к минимуму дисторцию реконструкторов при ограниченной скорости бит. Существующие видеоимплицитные нейронные представления (ИНР) часто декодируются независимо, оставляя промежуточные элементы без каких-либо условий при предыдущих реконструкции и встраивании контента без четкого временного прогнозирования. Мы предлагаем TCNERV, который использует восстановленный контекст как в областях функций, так и в привязке. Его многомасштабный модуль временнóго контекстового синтеза (MTCF) вводит вглубь исторических характеристик при множестве значений декодера, а временной ввод-остаточного кода (TERC) предсказывает каждый контент и кодирует только его остаточные элементы. При приблизительно 3М параметрах TCNERV достигает среднего значения PSNR в 36,08 дБ на наборе данных УФГ, превысив показатель HNERV-Boost на 2,20 дБ. Он снижает коэффициент БД соответственно на 22,06%, 66,73% и 29,85% по отношению к ТМ, DCVC и HiNERV, демонстрируя конкурентные деформирующие ставки показатели с ограниченной пропускной способностью модели. Загрузка ссылок и цитат... Библиографический и цитационно-инструментальный библиолог (Что является Исследовательом?) Подключённые документы (что такое подсоединенные бумаги?) Litmaps (Литмпапс?) Skite Smart…
tcnerv: двухмерная временна€ модель для скрытого нейронного сжатия видео
arXiv: 2609.16870v1 Annuate Type: New Habstractive: Video Complication имеет целью свести к минимуму дисторцию реконструкции при ограниченной скорости бита. Существующие видеоимплицитные нейронные представления (ИНР) часто декодируются независимо, оставляя промежуточные элементы без каких-либо условий при предыдущих реконструкции и встраивании контента без четкого временного прогнозирования. Мы предлагаем TCNERV, который использует восстановленный контекст как в областях функций, так и в привязке. Его многомасштабный модуль временнóго контекстового синтеза (MTCF) вводит вглубь исторических характеристик при множестве значений декодера, а временной ввод-остаточного кода (TERC) предсказывает каждый контент и кодирует только его остаточные элементы. При приблизительно 3М параметрах TCNERV достигает среднего значения PSNR в 36,08 дБ на наборе данных УФГ, превысив показатель HNERV-Boost на 2,20 дБ. Он снижает коэффициент БД соответственно на 22,06%, 66,73% и 29,85% по отношению к ТМ, DCVC и HiNERV, демонстрируя конкурентные деформирующие ставки показатели с ограниченной пропускной способностью модели.