論文の概要: Active Sampling for Ultra-Low-Bit-Rate Video Compression via Conditional Controlled Diffusion
- arxiv url: http://arxiv.org/abs/2605.02849v1
- Date: Mon, 04 May 2026 17:25:14 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-05 20:33:50.43084
- Title: Active Sampling for Ultra-Low-Bit-Rate Video Compression via Conditional Controlled Diffusion
- Title（参考訳）: 条件制御拡散による超低ビットレートビデオ圧縮のアクティブサンプリング
- Authors: Amirhosein Javadi, Shirin Saeedi Bidokhti, Tara Javidi,
- Abstract要約: 本稿では,超低ビットレート方式のための拡散型ビデオ圧縮フレームワークである ActDiff-VC を提案する。
提案手法は,動画を可変長セグメントに分割し,必要なときにのみ送信し,トラックされた点軌道のコンパクトなセットを用いて時間的ダイナミクスを要約する。
スパース信号に基づいて、条件拡散復号器は残りのフレームを合成し、厳しい速度制約の下で知覚的に現実的な再構成を可能にする。
- 参考スコア（独自算出の注目度）: 8.8956772305056
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Diffusion models provide a powerful generative prior for perceptual reconstruction at ultra-low bitrates, but effective video compression requires controlling the generative process using highly compact conditioning signals. In this work, we present ActDiff-VC, a diffusion-based video compression framework for the ultra-low-bitrate regime. Our method partitions videos into variable-length segments, transmits keyframes only when needed, and summarizes temporal dynamics using a compact set of tracked point trajectories. Conditioned on these sparse signals, a conditional diffusion decoder synthesizes the remaining frames, enabling perceptually realistic reconstruction under severe rate constraints. To support this design, we introduce two mechanisms: content-adaptive keyframe selection and budget-aware sparse trajectory selection, which together enable compact yet effective conditioning for generative reconstruction. Experiments on the UVG and MCL-JCV benchmarks show that ActDiff-VC achieves up to 64.6\% bitrate reduction at matched NIQE, improves KID by up to 64.6\% and FID by up to 37.7\% at comparable bitrates against strong learned codecs, and delivers favorable perceptual rate--distortion trade-offs relative to learned and diffusion-based baselines in the ultra-low-bitrate regime.
- Abstract（参考訳）: 拡散モデルは、超低ビットレートでの知覚的再構成に強力な生成前を提供するが、効果的なビデオ圧縮は、非常にコンパクトなコンディショニング信号を使用して生成過程を制御する必要がある。
本稿では,超低ビットレート方式のための拡散型ビデオ圧縮フレームワークであるActDiff-VCを提案する。
提案手法は,動画を可変長セグメントに分割し,必要に応じてキーフレームを送信し,トラックされた点軌道のコンパクトなセットを用いて時間的ダイナミクスを要約する。
これらのスパース信号に基づいて、条件拡散復号器は残りのフレームを合成し、厳しい速度制約の下で知覚的に現実的な再構成を可能にする。
この設計を支援するために、コンテント適応型キーフレーム選択と予算対応スパース軌道選択という2つのメカニズムを導入する。
UVGとMCL-JCVベンチマークの実験では、ActDiff-VCは一致したNIQEで最大64.6\%のビットレート削減を達成し、KIDを64.6\%まで改善し、FIDを37.7\%のビットレートで強力な学習コーデックに対して最大37.7\%改善し、超低ビットレート政権における学習および拡散に基づくベースラインに対する知覚速度-歪みのトレードオフを提供する。
関連論文リスト
- Efficient Video Diffusion with Sparse Information Transmission for Video Compression [24.272279529510772]
ビデオ圧縮は、最小限の歪みで復元品質を最大化することを目的としている。
超低速では、従来のエンドツーエンド圧縮モデルは、画質の悪いぼやけた画像を生成する傾向がある。
我々はDiff-SITを提案し、知覚的品質と時間的一貫性の新たな最先端性を確立する。
論文 参考訳（メタデータ） (2026-03-19T05:15:29Z) - Enhancing Neural Video Compression of Static Scenes with Positive-Incentive Noise [51.028614105626154]
監視フィードやビデオテレフォニーストリームのような静的なシーンビデオは、ストレージ消費とネットワークトラフィックの圧倒的なシェアを占める。
従来の標準コーデックとニューラルビデオ圧縮(NVC)手法は、時間的冗長性の不十分な使用と、トレーニングデータとテストデータの間の重大な分散ギャップのために、これらのビデオを効率的にエンコードするのに苦労している。
静的シーンビデオのNVCに正のインセンティブノイズを組み込むことを提案し, 短時間の時間変化を正のインセンティブノイズとして再解釈し, モデル微調整を容易にする。
論文 参考訳（メタデータ） (2026-03-06T09:47:25Z) - Free-GVC: Towards Training-Free Extreme Generative Video Compression with Temporal Coherence [30.812937732503457]
Free-GVCは、トレーニング不要な生成ビデオ圧縮フレームワークである。
本手法は,ビデオセグメントをコンパクトなラテント空間に符号化し,グループ・オブ・ピクチャーズレベルで動作させる。
実験の結果、Free-GVCは最新のニューラルDCVC-RTよりも平均93.29%のBD-Rate還元を実現していることがわかった。
論文 参考訳（メタデータ） (2026-02-10T15:12:51Z) - MTC-VAE: Multi-Level Temporal Compression with Content Awareness [54.85288415164888]
Latent Video Diffusion Models (LVDMs) は可変オートエンコーダ (VAEs) を使ってビデオをコンパクトな遅延表現に圧縮する。
固定圧縮率VAEを多段階時間圧縮をサポートするモデルに変換する手法を提案する。
論文 参考訳（メタデータ） (2026-02-01T17:08:02Z) - FLaTEC: Frequency-Disentangled Latent Triplanes for Efficient Compression of LiDAR Point Clouds [52.997038111673966]
FLaTECは、圧縮率の高いフルスキャンの圧縮を可能にする周波数対応圧縮モデルである。
ボキセル化埋め込みを三面体表現に変換することで、空間性、計算コスト、ストレージ要件を低減する。
提案手法は,最先端の速度歪み性能を実現し,標準コーデックのBDレートを78%,94%向上させる。
論文 参考訳（メタデータ） (2025-11-25T08:37:49Z) - 4DGCPro: Efficient Hierarchical 4D Gaussian Compression for Progressive Volumetric Video Streaming [52.76837132019501]
本稿では,新しい階層型4D圧縮フレームワークである4DGCProを紹介する。
4DGCProは、プログレッシブボリュームビデオストリーミングによるリアルタイムモバイルデコーディングと高品質なレンダリングを容易にする。
エンドツーエンドのエントロピー最適化トレーニングスキームを提案する。
論文 参考訳（メタデータ） (2025-09-22T08:38:17Z) - 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) - REGEN: Learning Compact Video Embedding with (Re-)Generative Decoder [52.698595889988766]
生成モデルのためのビデオ埋め込み学習について,新しい視点を提示する。
入力ビデオの正確な再生を必要とせず、効果的な埋め込みは視覚的に妥当な再構築に焦点を当てるべきである。
本稿では,従来のエンコーダ・デコーダ・ビデオ埋め込みをエンコーダ・ジェネレータ・フレームワークに置き換えることを提案する。
論文 参考訳（メタデータ） (2025-03-11T17:51:07Z) - Rethinking Video Tokenization: A Conditioned Diffusion-based Approach [58.164354605550194]
新しいトークン化ツールであるDiffusion Conditioned-based Gene Tokenizerは、GANベースのデコーダを条件付き拡散モデルで置き換える。
再建に基本的MSE拡散損失とKL項,LPIPSを併用した訓練を行った。
CDTのスケールダウン版(3$times inference speedup)でさえ、トップベースラインと互換性がある。
論文 参考訳（メタデータ） (2025-03-05T17:59:19Z) - Spatial Degradation-Aware and Temporal Consistent Diffusion Model for Compressed Video Super-Resolution [25.615935776826596]
ストレージと帯域幅の制限により、インターネット上で送信されるビデオは低画質で圧縮されたアーティファクトを特徴とすることが多い。
ビデオ超解像(VSR)は効率的なビデオ強調技術であるが、既存のVS手法では圧縮ビデオに焦点を絞らない。
圧縮VSRのための事前学習拡散モデルの先行性を利用する新しい手法を提案する。
論文 参考訳（メタデータ） (2025-02-11T08:57:45Z)
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。