論文の概要: Generative Video Compression: Towards 0.01% Compression Rate for Video Transmission

• arxiv url: http://arxiv.org/abs/2512.24300v1
• Date: Tue, 30 Dec 2025 15:41:33 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-01 23:27:28.418833
• Title: Generative Video Compression: Towards 0.01% Compression Rate for Video Transmission
• Title（参考訳）: 生成的ビデオ圧縮:ビデオ伝送における0.01%圧縮率を目指して
• Authors: Xiangyu Chen, Jixiang Luo, Jingyu Xu, Fangqiu Yi, Chi Zhang, Xuelong Li,
• Abstract要約: 本稿では,映像圧縮の限界を再定義する新しいフレームワークである生成ビデオ圧縮(GVC)を紹介する。 GVCはビデオをコンパクトな表現にエンコードし、コンテント再構成を受信機に委譲する。 AI Flowフレームワーク内では、GVCが帯域幅とリソース制約のある環境でのビデオ通信の新たな可能性を開く。
• 参考スコア（独自算出の注目度）: 43.034936334574155
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Whether a video can be compressed at an extreme compression rate as low as 0.01%? To this end, we achieve the compression rate as 0.02% at some cases by introducing Generative Video Compression (GVC), a new framework that redefines the limits of video compression by leveraging modern generative video models to achieve extreme compression rates while preserving a perception-centric, task-oriented communication paradigm, corresponding to Level C of the Shannon-Weaver model. Besides, How we trade computation for compression rate or bandwidth? GVC answers this question by shifting the burden from transmission to inference: it encodes video into extremely compact representations and delegates content reconstruction to the receiver, where powerful generative priors synthesize high-quality video from minimal transmitted information. Is GVC practical and deployable? To ensure practical deployment, we propose a compression-computation trade-off strategy, enabling fast inference on consume-grade GPUs. Within the AI Flow framework, GVC opens new possibility for video communication in bandwidth- and resource-constrained environments such as emergency rescue, remote surveillance, and mobile edge computing. Through empirical validation, we demonstrate that GVC offers a viable path toward a new effective, efficient, scalable, and practical video communication paradigm.
• Abstract（参考訳）: 動画を最大0.01%の圧縮速度で圧縮できるかどうか。 そこで我々は,映像圧縮の限界を再定義するフレームワークであるジェネレーティブ・ビデオ圧縮(GVC)を導入し,映像圧縮率を0.02%に向上させるとともに,シャノン・ウィーバー・モデルのレベルCに対応する知覚中心のタスク指向通信パラダイムを保ちながら,映像圧縮率を極端に向上させる。 さらに、圧縮率や帯域幅の計算をどう扱うか? GVCは、映像を非常にコンパクトな表現にエンコードし、コンテンツ再構成をレシーバに委譲し、強力な生成先行者が最小限の送信情報から高品質な映像を合成する。 GVCは実用的かつデプロイ可能か? 実運用を実現するため,コンプレッション計算のトレードオフ戦略を提案し,コンバッショングレードGPUの高速推論を実現する。 AI Flowフレームワーク内では、GVCは、緊急救助、リモート監視、モバイルエッジコンピューティングなど、帯域幅とリソース制約のある環境におけるビデオ通信の新たな可能性を開く。 実証的な検証を通じて、GVCは、新しい効果的で、効率的で、スケーラブルで、実用的なビデオ通信パラダイムへの実行可能なパスを提供することを示した。

関連論文リスト

• Embedding Compression Distortion in Video Coding for Machines [67.97469042910855]
  現在、ビデオ伝送は人間の視覚システム(HVS)だけでなく、分析のための機械認識にも役立っている。 本稿では,機械知覚関連歪み表現を抽出し,下流モデルに埋め込む圧縮歪埋め込み(CDRE)フレームワークを提案する。 我々のフレームワークは,実行時間,パラメータ数といったオーバーヘッドを最小限に抑えて,既存のコーデックのレートタスク性能を効果的に向上させることができる。
  論文  参考訳（メタデータ） (2025-03-27T13:01:53Z)
• Accelerating Learned Video Compression via Low-Resolution Representation Learning [18.399027308582596]
  低解像度表現学習に焦点を当てた学習ビデオ圧縮のための効率最適化フレームワークを提案する。 提案手法は,H.266参照ソフトウェアVTMの低遅延P構成と同等の性能を実現する。
  論文  参考訳（メタデータ） (2024-07-23T12:02:57Z)
• Foveation-based Deep Video Compression without Motion Search [43.70396515286677]
  VRで見るビデオのごく一部しか、ユーザーが特定の方向を見つめるときに見ることができないため、ファベーションプロトコルは望ましい。 我々は、ビットの割り当てを指示するフォベーションマスクを生成するFGU(Foveation Generator Unit)を導入することにより、フォベーションを実現する。 我々の新しい圧縮モデルは、Foveated Motionless VIdeo Codec (Foveated MOVI-Codec)と呼ばれ、モーションを計算せずに効率的に動画を圧縮することができる。
  論文  参考訳（メタデータ） (2022-03-30T17:30:17Z)
• Leveraging Bitstream Metadata for Fast, Accurate, Generalized Compressed Video Quality Enhancement [74.1052624663082]
  圧縮ビデオの細部を復元する深層学習アーキテクチャを開発した。 これにより,従来の圧縮補正法と比較して復元精度が向上することを示す。 我々は、ビットストリームで容易に利用できる量子化データに対して、我々のモデルを条件付けする。
  論文  参考訳（メタデータ） (2022-01-31T18:56:04Z)
• Perceptual Learned Video Compression with Recurrent Conditional GAN [158.0726042755]
  本稿では, PVC (Perceptual Learned Video Compression) アプローチを提案する。 PLVCは低ビットレートで映像を知覚品質に圧縮することを学ぶ。 ユーザスタディでは、最新の学習ビデオ圧縮手法と比較して、PLVCの優れた知覚性能をさらに検証している。
  論文  参考訳（メタデータ） (2021-09-07T13:36:57Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。