論文の概要: Controllable Generative Video Compression
- arxiv url: http://arxiv.org/abs/2604.06655v1
- Date: Wed, 08 Apr 2026 04:11:27 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-09 17:30:51.330777
- Title: Controllable Generative Video Compression
- Title（参考訳）: 制御可能な生成ビデオ圧縮
- Abstract要約: 我々は,複数の視覚条件でガイドされた詳細を忠実に生成するためのCGVCパラダイムを提案する。
CGVCは、信号の忠実度と知覚品質の両方の観点から、従来の知覚ビデオ圧縮法より優れている。
- 参考スコア（独自算出の注目度）: 11.376749911846302
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Perceptual video compression adopts generative video modeling to improve perceptual realism but frequently sacrifices signal fidelity, diverging from the goal of video compression to faithfully reproduce visual signal. To alleviate the dilemma between perception and fidelity, in this paper we propose Controllable Generative Video Compression (CGVC) paradigm to faithfully generate details guided by multiple visual conditions. Under the paradigm, representative keyframes of the scene are coded and used to provide structural priors for non-keyframe generation. Dense per-frame control prior is additionally coded to better preserve finer structure and semantics of each non-keyframe. Guided by these priors, non-keyframes are reconstructed by controllable video generation model with temporal and content consistency. Furthermore, to accurately recover color information of the video, we develop a color-distance-guided keyframe selection algorithm to adaptively choose keyframes. Experimental results show CGVC outperforms previous perceptual video compression method in terms of both signal fidelity and perceptual quality.
- Abstract（参考訳）: 知覚的ビデオ圧縮は、知覚的リアリズムを改善するために生成的ビデオモデリングを採用するが、しばしば信号の忠実さを犠牲にし、映像圧縮の目標から切り離して、忠実に視覚的信号を再現する。
本稿では,知覚と忠実性の両面のジレンマを軽減するために,複数の視覚条件でガイドされた詳細を忠実に生成するCGVCパラダイムを提案する。
このパラダイムの下では、シーンの代表的なキーフレームがコーディングされ、非キーフレーム生成のための構造的な事前情報を提供するために使用される。
フレーム単位の詳細な制御は、キーでない各フレームのより微細な構造とセマンティクスをよりよく保存するためにコード化される。
これらの先行によって導かれる非キーフレームは、時間的および内容的整合性を持った制御可能なビデオ生成モデルによって再構成される。
さらに、映像の色情報を正確に復元するために、キーフレームを適応的に選択する色距離誘導キーフレーム選択アルゴリズムを開発した。
実験の結果,CGVCは信号の忠実度と知覚品質の両方の観点から,従来の知覚ビデオ圧縮法よりも優れていた。
関連論文リスト
- KeyFrame-Compass: Towards Comprehensive Evaluation of Keyframe-Conditioned Video Generation [25.29345016590953]
ビデオ生成は、より粒度の細かい合成に基づく合成に依存しており、クリエーターは参照画像のシーケンスをガイド生成に指定する。
近年のモデルはマルチキー・コンディショニングをサポートしているが、ビデオ全体の品質を維持しながら、規定を忠実に再現できるかどうかは不明だ。
我々は、合成に基づくビデオ生成を評価するための、最初の総合的なベンチマークであるKeyFrameを紹介する。
論文 参考訳（メタデータ） (2026-07-15T17:46:12Z) - ZeroGVC: Zero-Shot Generative Video Compression with Autoregressive Diffusion Priors [52.50325804778549]
我々はゼロショット生成ビデオ圧縮フレームワークZeroGVCを提案する。
ZeroGVCは、画像群(GOP)の最初のフレームを符号化し、Codebook-Guided Autoregressive Latent Compressionを通じてその後のPフレームを表現する。
標準ビデオ圧縮ベンチマークの実験では、ZeroGVCは、追加のトレーニングを伴わずに、超低速度での知覚的再構成品質が優れたことを実証している。
論文 参考訳（メタデータ） (2026-06-21T07:46:14Z) - VideoCompressa: Data-Efficient Video Understanding via Joint Temporal Compression and Spatial Reconstruction [55.66673587952058]
ビデオ理解モデルは、大規模データセットの禁止ストレージと計算コストによって、ますます制限されている。
VideoCompressaはビデオデータ合成のための新しいフレームワークで、動的潜在圧縮として問題を再構成する。
論文 参考訳（メタデータ） (2025-11-24T07:07:58Z) - Conditional Video Generation for High-Efficiency Video Compression [48.32125957038998]
本稿では,条件付き拡散モデルを利用した映像圧縮フレームワークを提案する。
具体的には、映像圧縮を条件生成タスクとして再構成し、生成モデルがスパース信号から映像を合成する。
論文 参考訳（メタデータ） (2025-07-21T06:16:27Z) - M3-CVC: Controllable Video Compression with Multimodal Generative Models [17.49397141459785]
M3-CVCは、生成モデルを組み込んだ制御可能なビデオ圧縮フレームワークである。
以上の結果から,M3-CVCは超低シナリオにおいて最先端のVVCを著しく上回っていることが明らかとなった。
論文 参考訳（メタデータ） (2024-11-24T11:56:59Z) - Improved Video VAE for Latent Video Diffusion Model [55.818110540710215]
ビデオオートエンコーダ(VAE)は、ピクセルデータを低次元の潜在空間に圧縮することを目的としており、OpenAIのSoraで重要な役割を果たしている。
既存のVAEのほとんどは、時間空間圧縮のために3次元因果構造に事前訓練された画像VAEを注入する。
ビデオVAE(IV-VAE)をさらに改善するための新しいKTCアーキテクチャとGCConvモジュールを提案する。
論文 参考訳（メタデータ） (2024-11-10T12:43:38Z) - High-Efficiency Neural Video Compression via Hierarchical Predictive Learning [27.41398149573729]
強化されたDeep Hierarchical Video Compression(DHVC 2.0)は、優れた圧縮性能と目覚ましい複雑さの効率を導入する。
階層的な予測符号化を使用して、各ビデオフレームをマルチスケール表現に変換する。
トランスミッションフレンドリーなプログレッシブデコーディングをサポートしており、パケットロスの存在下では特にネットワーク化されたビデオアプリケーションに有利である。
論文 参考訳（メタデータ） (2024-10-03T15:40:58Z) - Perceptual Quality Improvement in Videoconferencing using
Keyframes-based GAN [28.773037051085318]
本稿では,ビデオ会議における圧縮アーティファクト削減のための新しいGAN手法を提案する。
まず,圧縮および参照フレームからマルチスケールの特徴を抽出する。
そして、私たちのアーキテクチャは、顔のランドマークに従って、これらの特徴を段階的に組み合わせます。
論文 参考訳（メタデータ） (2023-11-07T16:38:23Z) - VNVC: A Versatile Neural Video Coding Framework for Efficient
Human-Machine Vision [59.632286735304156]
コード化された表現をピクセルに復号することなく直接拡張・解析することがより効率的である。
再構成と直接拡張/分析の両方をサポートするために,コンパクト表現の学習を目標とする汎用型ニューラルビデオ符号化(VNVC)フレームワークを提案する。
論文 参考訳（メタデータ） (2023-06-19T03:04:57Z) - 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。