본 논문은 Implicit Neural Representations (INRs)을 이용한 비디오 압축에서 메모리 소모 문제를 해결하기 위해, 기존 비디오 압축 프레임워크의 프레임 단위 처리 방식을 INR에 적용한 새로운 프레임워크인 UAR-NVC(Unified AutoRegressive Framework for memory-efficient Neural Video Compression)를 제시합니다. UAR-NVC는 비디오를 여러 클립으로 분할하고 각 클립에 대해 다른 INR 모델 인스턴스를 사용하여, 시간 기반 자기회귀 모델링 관점에서 INR 기반 및 기존 비디오 압축 프레임워크를 통합합니다. 클립 간의 시간적 중복성을 줄이기 위해 모델 파라미터의 초기화, 학습 및 압축을 최적화하는 두 가지 모듈을 설계했습니다. 클립 길이를 변경하여 대기 시간을 조절할 수 있으며, 실험 결과 다양한 기준 모델에 비해 성능 향상을 보였습니다.
