Компьютерная наука > Компютерное видение и распознавание шаблонов [представлено 2 сентября 2026 года] Название: Video Complision with Graph-inpyd Neural Fision View PDF HTML (экспериментальное) Резюме: Implicit Neoral Displacements (INR) представляет собой компактную и содержательную парадигму для сжатия видео, которая обычно является видеосъемкой через общие параметры сети и индексированные с помощью кадра. По сравнению с обычными или автоинжендерными кодами, эти подходы предполагают использование временной избыточности в видеороликах имплицитным образом, что может привести к неоптимальной эффективности сжатия. В этом документе мы предлагаем G-NERV, графический НПР, который явно улучшает использование временной избыточности в скрытом скрытых пространствах. Исходя из общих принципов корреляции в теории информации, мы строим временной район над рамой встроены и передаем сообщение, передавая агрегированную многоразовую информацию от соседних систем через адаптивные ворота, контролирующие ввод соседней информации. Вдохновляемый буфером исходной системы в обычном видеокодировании, механизм банка памяти был дополнительно разработан таким образом, чтобы обеспечить возможность эффективного поиска информации по временным соседям при выборочной выборке рам-индекса в рамках подготовки НВР. Эта новая модель представления была интегрирована в усовершенствованную систему компрессии, и она сравнивается с существующими обычными и нейронными видеокодами. Результаты показывают, что кодек…
Видеокомпрессия с графическим нейронным представительством
arXiv: 2609.05541v1 Annuate Type: New Humber: Impliicit Neural Freements (INR) обеспечивает компактную и содержательную парадигму для сжатия видео, которая обычно представляет видеоролик через общие параметры сети и индексируемые на кадрах вставки. По сравнению с обычными или автоинжендерными кодами, эти подходы предполагают использование временной избыточности в видеороликах имплицитным образом, что может привести к неоптимальной эффективности сжатия. В этом документе мы предлагаем G-NERV, графический НПР, который явно улучшает использование временной избыточности в скрытом скрытых пространствах. Исходя из общих принципов корреляции в теории информации, мы строим временной район над рамой встроены и передаем сообщение, передавая агрегированную многоразовую информацию от соседних систем через адаптивные ворота, контролирующие ввод соседней информации. Вдохновляемый буфером системы координат в обычном видеокодировании, механизм банка памяти получил дальнейшее развитие.