論文の概要: CoD-Lite: Real-Time Diffusion-Based Generative Image Compression
- arxiv url: http://arxiv.org/abs/2604.12525v1
- Date: Tue, 14 Apr 2026 09:56:25 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-15 19:11:32.385226
- Title: CoD-Lite: Real-Time Diffusion-Based Generative Image Compression
- Title（参考訳）: CoD-Lite:リアルタイム拡散に基づく生成画像圧縮
- Abstract要約: 実時間および軽量拡散コーデックの設計について検討する。
生成指向事前学習は小さなモデルスケールでは効果が低いのに対して,圧縮指向事前学習では性能が一貫して向上することがわかった。
- 参考スコア（独自算出の注目度）: 58.56387132156189
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Recent advanced diffusion methods typically derive strong generative priors by scaling diffusion transformers. However, scaling fails to generalize when adapted for real-time compression scenarios that demand lightweight models. In this paper, we explore the design of real-time and lightweight diffusion codecs by addressing two pivotal questions. First, does diffusion pre-training benefit lightweight diffusion codecs? Through systematic analysis, we find that generation-oriented pre-training is less effective at small model scales whereas compression-oriented pre-training yields consistently better performance. Second, are transformers essential? We find that while global attention is crucial for standard generation, lightweight convolutions suffice for compression-oriented diffusion when paired with distillation. Guided by these findings, we establish a one-step lightweight convolution diffusion codec that achieves real-time $60$~FPS encoding and $42$~FPS decoding at 1080p. Further enhanced by distillation and adversarial learning, the proposed codec reduces bitrate by 85\% at a comparable FID to MS-ILLM, bridging the gap between generative compression and practical real-time deployment. Codes are released at https://github.com/microsoft/GenCodec/CoD_Lite
- Abstract（参考訳）: 近年の拡散法は、拡散変圧器のスケーリングにより、強い生成先行を導出する。
しかし、軽量モデルを必要とするリアルタイム圧縮シナリオに適応すると、スケーリングは一般化に失敗する。
本稿では,2つの重要な問題に対処し,リアルタイムおよび軽量拡散コーデックの設計について検討する。
第一に、拡散事前学習は軽量拡散コーデックの利点があるか?
系統的な解析により、生成指向事前学習は小さなモデルスケールでは効果が低いのに対し、圧縮指向事前学習は一貫して性能が向上することがわかった。
次に、トランスフォーマーは必須か?
グローバルな注目は標準生成には不可欠であるが, 蒸留と組み合わせた場合, 圧縮指向拡散には軽量な畳み込みが十分であることがわかった。
これらの結果から,60ドル～FPS符号化と42ドル～FPS復号を1080pで実現した1ステップの軽量畳み込み拡散コーデックを構築した。
提案コーデックは, 蒸留と対向学習によりさらに強化され, 生成圧縮と実時間展開のギャップを埋めるため, ビットレートを85%削減する。
コードはhttps://github.com/microsoft/GenCodec/CoD_Liteで公開されている。
関連論文リスト
- Generative Video Compression with Adaptive Score Distillation [27.528262844772993]
我々は、圧縮のためにスクラッチからトレーニングされたビデオ拡散モデルに基づいて構築されたジェネラティブビデオコーデック(GenVC)を紹介する。
実験結果から,GenVCは超低FIDで最先端の知覚品質を実現することが示された。
論文 参考訳（メタデータ） (2026-07-24T05:28:30Z) - YODA: Yet Another One-step Diffusion-based Video Compressor [55.356234617448905]
1段階拡散モデルは最近、知覚的画像圧縮に優れており、ビデオへの応用は限られている。
本稿では,潜時生成と潜時符号化の両方の時間参照からマルチスケール特徴を組み込んだYYet-One-step Diffusion-based Videoを提案する。
YODAは最先端の知覚性能を実現し、LPIPS, DISTS, FID, KIDのディープラーニングベースラインを一貫して上回ります。
論文 参考訳（メタデータ） (2026-01-03T10:12:07Z) - CoD: A Diffusion Foundation Model for Image Compression [57.572664625372106]
既存の拡散コーデックは、通常、安定拡散のようなテキストから画像への拡散基盤モデルに基づいて構築される。
textbfCoDは、圧縮と生成の両方のエンドツーエンドの最適化を可能にするために、ゼロからトレーニングすることができる。
論文 参考訳（メタデータ） (2025-11-24T03:00:15Z) - Steering One-Step Diffusion Model with Fidelity-Rich Decoder for Fast Image Compression [36.10674664089876]
SODECは単一ステップ拡散に基づく画像圧縮モデルである。
遺伝子前駆体への過度な依存から生じる忠実性を改善する。
既存の手法よりも優れており、より優れたレート・歪み・知覚性能を実現している。
論文 参考訳（メタデータ） (2025-08-07T02:24:03Z) - Single-step Diffusion for Image Compression at Ultra-Low Bitrates [19.76457078979179]
超低速度で高い知覚品質と高速デコードを実現する画像圧縮のための単一ステップ拡散モデルを提案する。
このアプローチには2つの重要なイノベーションが含まれている。 (i) ベクトル量子残留(VQ-Residual)トレーニング。
圧縮性能は最先端の手法に匹敵し,デコード速度を約50倍向上させる。
論文 参考訳（メタデータ） (2025-06-19T19:53:27Z) - One-Step Diffusion-Based Image Compression with Semantic Distillation [25.910952778218146]
OneDCは1ステップ拡散に基づく生成画像コーデックである。
OneDCは、ワンステップ生成でも知覚品質を達成する。
論文 参考訳（メタデータ） (2025-05-22T13:54:09Z) - OSCAR: One-Step Diffusion Codec Across Multiple Bit-rates [39.746866725267516]
事前訓練された潜伏拡散モデルでは、画像圧縮が失われる可能性が強い。
我々はOSCARと呼ばれる複数のビットレートにまたがる1ステップ拡散を提案する。
実験により、OSCARは量的および視覚的品質の指標において優れた性能を発揮することが示された。
論文 参考訳（メタデータ） (2025-05-22T00:14:12Z) - 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) - Adaptive Caching for Faster Video Generation with Diffusion Transformers [52.73348147077075]
拡散変換器(DiT)はより大きなモデルと重い注意機構に依存しており、推論速度が遅くなる。
本稿では,Adaptive Caching(AdaCache)と呼ばれる,ビデオDiTの高速化のためのトレーニング不要手法を提案する。
また,AdaCache内で動画情報を利用するMoReg方式を導入し,動作内容に基づいて計算割り当てを制御する。
論文 参考訳（メタデータ） (2024-11-04T18:59:44Z) - Low-complexity Deep Video Compression with A Distributed Coding
Architecture [4.5885672744218]
一般的な予測符号化に基づくビデオ圧縮手法は、時間的冗長性を低減するために重エンコーダに依存している。
従来の分散コーディング手法は、予測的コーディングとはかなりのパフォーマンスギャップに悩まされている。
本稿では,レート歪み特性を改善するために,最初のエンドツーエンドの分散ビデオ圧縮フレームワークを提案する。
論文 参考訳（メタデータ） (2023-03-21T05:34:04Z) - Content Adaptive and Error Propagation Aware Deep Video Compression [110.31693187153084]
本稿では,コンテンツ適応型・誤り伝搬対応型ビデオ圧縮システムを提案する。
本手法では, 複数フレームの圧縮性能を1フレームではなく複数フレームで考慮し, 共同学習手法を用いる。
従来の圧縮システムでは手作りのコーディングモードを使用する代わりに,オンラインエンコーダ更新方式をシステム内に設計する。
論文 参考訳（メタデータ） (2020-03-25T09:04:24Z)
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。