编辑推荐：
隐式神经表征（Implicit Neural Representations, INR）将视频帧编码为网络权重，提供了一种新的压缩范式。一个持续存在的限制是，现有的INR编解码器每个目标码率训练一个模型，因此多码率部署需要单独的运行、单独的检查点和模型重载，其
隐式神经表征（Implicit Neural Representations, INR）将视频帧编码为网络权重，提供了一种新的压缩范式。一个持续存在的限制是，现有的INR编解码器每个目标码率训练一个模型，因此多码率部署需要单独的运行、单独的检查点和模型重载，其成本随码率点的数量线性增长。研究人员提出一种通用可瘦身框架（Generalized Slimmable Framework），该框架在大多数INR解码器中将标准层替换为宽度可配置的对应层，使单个检查点通过嵌套权重张量（nested weight tensors）服务于多个码率，而无需改变拓扑结构。为恢复共享权重训练中损失的质量，研究人员引入可瘦身条件解码器调制（Slimmable Conditional Decoder Modulation, SCDM），该机制通过宽度和帧条件化的门控融合可瘦身专家卷积。对于基于编码器的骨干网络，编码器输出缓存（encoder output caching）将编码器计算与多宽度训练解耦。在DAVIS和Bunny数据集上的四个INR骨干网络中，该框架将多码率存储减少了约–，且SCDM在所有码率点恢复显著质量，同时在窄宽度设置下超过独立训练的固定宽度模型。
论文解读文章
**研究背景**
视频编码是现代互联网的基础，视频流量占全球网络流量的主导份额。传统编解码器如H.264、HEVC和VVC，以及学习压缩方法，依赖复杂的编解码流水线和手工设计的模块分解。隐式神经表征（Implicit Neural Representations, INR）将视频编码视为模型拟合问题：神经网络过拟合到视频帧，训练后的权重本身成为压缩比特流。这一范式提供快速、简单的解码和随机帧访问，且后续架构（如NeRV、HNeRV、SNeRV等）已将其压缩效率推至竞争水平。然而，实际视频分发需要在变化的网络条件下以多码率提供相同内容。传统编解码器在编码时通过调整量化参数满足需求，而INR的“模型即比特流”范式在训练时固定操作点。由于编码过拟合特定视频，码率主要由模型容量决定，每个目标码率需要单独训练和存储模型，导致多码率部署的训练计算和存储成本随码率点数量线性增长。现有INR可伸缩编码方法（如QS-NeRV、QSVCNR、Sca-NeRV、NVP）存在三个局限性：一是可伸缩机制与特定骨干网络绑定，无法迁移至其他INR架构；二是缺乏细粒度码率控制参数（深度堆叠方法仅提供2-4个粗粒度层级，NVP每个模型只提供一个操作点）；三是每个质量层级分配的容量由架构本身决定，而非目标参数预算。因此，需要一种骨干网络无关、支持细粒度码率控制且可单检查点多码率部署的框架。
**研究内容与结论**
研究人员提出一种通用可瘦身框架（Generalized Slimmable Framework），通过将标准层替换为宽度可配置的USConv2d和USLinear层，使单个检查点通过嵌套权重张量存储多个码率配置，无需拓扑改变。针对共享权重训练导致的质量下降，引入可瘦身条件解码器调制（Slimmable Conditional Decoder Modulation, SCDM），通过宽度和帧索引条件化的门控混合专家卷积增强解码器表征能力。对于基于编码器的骨干网络，提出编码器输出缓存（Encoder Output Caching），利用编码器输出对解码器宽度的不变性，将编码器计算与多宽度训练解耦。在四个代表性INR骨干网络（NeRV、E-NeRV、HNeRV、SNeRV）上，基于DAVIS和Bunny数据集进行实验。结果表明：该框架将多码率存储减少约64.5%–73.3%（相比独立训练），SCDM在所有码率点恢复显著质量，在窄宽度（1.5M参数）下甚至超过独立训练的固定宽度模型；编码器输出缓存带来2.5×–3.2×训练加速。论文发表在《Electronics》。
**主要关键技术方法**
（不超过250字）
研究人员采用以下关键技术：1）**可瘦身架构**：将标准Conv2d和Linear层替换为USConv2d和USLinear，存储全容量权重张量，通过宽度乘子
w提取前导子矩阵作为活跃权重，实现单检查点嵌套多码率。2）**可瘦身条件解码器调制（SCDM）**：每个解码器块维护三个可瘦身专家卷积，通过门控MLP（输入为宽度和帧索引的正弦位置编码）生成软混合权重，专家输出残差叠加到主卷积前。3）**编码器输出缓存**：训练时编码器运行一次，其输出共享给所有解码器宽度，通过反向传播累积梯度，保留编码器梯度精度。实验在DAVIS（10个视频，中心裁剪至448×768或448×832）和Bunny（132帧，448×448）数据集上进行，使用Adam优化器、余弦退火学习率、Fusion6损失函数。四个宽度乘子对应目标参数预算1.5M、3.0M、4.5M、6.0M。
**研究结果**
**4.1 实现细节**：在Bunny和DAVIS上评估，使用四个骨干网络，训练150或300轮，采用Adam优化器、余弦退火、Fusion6损失。宽度乘子设为[0.5, 0.707, 0.866, 1.0]对应1.5M–6.0M参数。
**4.2 定量结果与分析**：在DAVIS上，独立训练需存储14–15M参数（四个检查点），而可瘦身基线（Slim BL）和完整框架（Ours）仅存储约6M参数，减少约64.5%–73.3%。在NeRV上，Slim BL平均PSNR比独立低0.74 dB，Ours恢复至仅低0.50 dB，且在1.5M宽度超过独立（24.64 vs 24.34 dB）。在E-NeRV上，Slim BL和Ours均优于独立，Ours平均PSNR提升0.58 dB。在HNeRV上，Slim BL损失1.39 dB，Ours恢复至0.83 dB。在SNeRV上，Slim BL损失2.04 dB，Ours恢复至1.13 dB。窄宽度下恢复幅度最大。
**4.3 压缩性能分析**：码率以bpp（bits per pixel）报告，量化后采用霍夫曼编码。率失真曲线显示Ours始终优于Slim Baseline，且通过宽度乘子可生成近连续的率失真曲线，而独立训练仅有离散点。
**4.4 编码器输出缓存消融**：在Bunny上，编码器输出缓存（EOC）相比独立训练在HNeRV上加速2.5×，在SNeRV上加速3.2×，同时保持PSNR与Slim Baseline相当（35.40 vs 35.29 dB，HNeRV）。分离缓存因梯度饥饿导致质量下降。
**4.5 Sandwich规则消融**：Sandwich规则对可瘦身INR训练提供微小加速（10–17%）但导致中间宽度PSNR下降0.65–1.07 dB，无实际益处。
**4.6 SCDM消融**：SlimmableFiLM（通道级仿射调制）添加190K参数，平均PSNR提升0.34 dB。SCDM（空间卷积混合）添加280K参数（4.7%开销），结合帧位置编码和通道混合专家（SCDM+FramePE+Ch）平均PSNR提升0.58 dB，且在1.5M宽度超过独立模型（34.16 vs 33.41 dB）。SCDM+FramePE+Ch被推荐为默认调制策略。
**总结讨论与结论**
研究人员在讨论部分指出，该框架在堆叠卷积和线性块的INR解码器上验证，未评估分组卷积、注意力等架构。SCDM的深度可分离专家在任意宽度下定义良好。编码器未瘦身，因部分方法不使用可学习编码器。未来工作包括自适应宽度选择、编码器瘦身、运动感知条件化、扩展至Transformer骨干、实时推理优化。结论部分翻译如下：研究人员提出一种通用可瘦身框架，用于骨干网络无关的多码率INR视频压缩。通过将标准层替换为可配置宽度的USConv2d和USLinear，单个检查点通过嵌套权重共享存储多个码率配置，在四个INR骨干网络上将存储减少约64.5%–73.3%。可瘦身条件解码器调制（SCDM）通过宽度和帧条件化的专家混合恢复共享权重训练的质量损失，为HNeRV添加280K参数（4.7%开销）带来0.58 dB平均PSNR提升，并在窄宽度（1.5M）下超过独立训练的固定宽度模型。编码器输出缓存保留编码器梯度至数值精度，在HNeRV上加速2.5×，在SNeRV上加速3.2×。
