Implicit Neural Representation(INR) is the method that represents data using a neural network. Its strong modeling power and advantage of continuous representation make INR can successfully store information of various data types. However, depending on the nature of information representation, the larger the information needed to be stored, the larger the size of the INR model to maintain the same representation performance, which results in a large start delay in the aspect of network delivery. We suggest a new INR model segmenting method that can successfully reduce the startup delay that occurs transfer the INR model through the network while minimizing the negative effects on the data reconstruction quality. The experiment shows that our segmenting methods can reduce the startup delay x2 ~ x4 with minimized PSNR drop (<= 0.5dB)
신경망 기반 표현 방식(INR)은 신경망을 사용하여 데이터를 표현하는 방법이다. 강력한 모델링 성능과 연속적 표현 방식의 장점에 기반하여 INR은 다양한 데이터 유형의 정보를 성공적으로 저장할 수 있다. 그러나, 정보 표현의 특성에 따라, 비디오와 같이 저장해야 하는 정보가 많아질수록 같은 표현 성능을 유지하기 위한 INR 모델의 크기도 커지게 되며, 이는 네트워크 전송의 관점에서 사용자에게 큰 시작 지연을 초래한다. 본 연구에서는 비디오 데이터 표현 품질에 미치는 부정적인 영향을 최소화하면서 INR 모델 전송시 발생하는 시작 지연을 성공적으로 줄일 수 있는 새로운 INR 모델 분할 방법을 제안한다. 새롭게 제시된 INR 분할 기법은 기존 INR 모델에 대비하여 데이터 표현 품질의 저하를 최소화 하며 (0dB ~ 0.5dB) 시작 지연 시간을 x2 ~ x4을 줄일 수 있다.
