摘要
神经场（Neural fields），亦称基于坐标的隐式神经表示，已展现出在表示、生成和操控各类信号方面的卓越能力。然而，在视频表示任务中，将像素坐标映射为RGB颜色的方法在压缩性能方面表现相对较低，且存在收敛速度慢、推理效率不高的问题。近年来，帧级视频表示方法应运而生——该方法将时间坐标映射至完整帧内容，成为一种替代方案，显著提升了压缩率与编码速度。尽管前景可期，该方法尚未达到当前先进视频压缩算法的性能水平。在本研究中，我们提出一种名为FFNeRV的新方法，通过在帧级表示中引入光流信息，借鉴标准视频编解码器中对帧间时序冗余的利用机制，以更高效地建模视频序列中的时间相关性。此外，我们设计了一种全卷积架构，依托一维时间网格，有效提升了空间特征的连续性。实验结果表明，FFNeRV在采用帧级表示或神经场的各类方法中，于视频压缩与帧插值任务上均取得了最优性能。为进一步减小模型规模，我们进一步提出一种更为紧凑的卷积架构，结合分组卷积（group convolution）与逐点卷积（pointwise convolution）技术。结合量化感知训练（quantization-aware training）与熵编码等模型压缩技术，FFNeRV在性能上超越了广泛应用的标准视频编解码器（如H.264与HEVC），并达到与当前最先进视频压缩算法相当的水平。