本文介绍了一种名为HNeRV的混合神经表示，能够生成内容自适应嵌入，从而提升视频回归任务的重构质量和收敛速度。HNeRV在视频压缩和修补任务中表现优越，具有更快的解码速度和更大的灵活性。此外，研究还提出了多种增强方法，如NeRV++和D-NeRV，以进一步提高视频编码的效率和效果。

通过引入神经代表视频的 NeRV++，作为 NeRV 解码器架构的一种增强改进方法，使用可分离卷积残差块（SCRBs）和双线性插值跳跃层等特性，大幅提高了 INR-based 视频编解码的效果和表示能力，实现了与自动编码器基于视频编码相竞争的结果，迈向了 INR-based 视频压缩研究的重大进展。