論文の概要: Streaming of rendered content with adaptive frame rate and resolution
- arxiv url: http://arxiv.org/abs/2605.10995v1
- Date: Sat, 09 May 2026 14:48:10 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-13 21:48:56.284879
- Title: Streaming of rendered content with adaptive frame rate and resolution
- Title（参考訳）: 適応的フレームレートと解像度によるレンダリングコンテンツのストリーム化
- Abstract要約: 既存のソリューションは、固定フレームレートで、通常は毎秒30フレームまたは60フレームのコンテンツをレンダリングし、帯域幅が制限された場合の解像度を低下させる。
我々は、シーンの内容と動きに基づいてフレームレートと解像度を適応的に調整し、レンダリングコストを低減しつつ、人間の視覚システムの限界を利用して知覚品質を向上させる。
本稿では,軽量ニューラルネットワークが与えられた伝送帯域,コンテンツ,移動速度に対して,フレームレートと解像度の最適な組み合わせを予測するシステムを提案する。
- 参考スコア（独自算出の注目度）: 6.34507331016388
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Streaming rendered content is an attractive way to bring high-quality graphics to billions of mobile devices that do not have sufficient rendering power. Existing solutions render content on a server at a fixed frame rate, typically 30 or 60 frames per second, and reduce resolution when bandwidth is restricted. However, this strategy leads to suboptimal rendering quality under the bandwidth constraints. In this work, we exploit the spatio-temporal limits of the human visual system to improve perceived quality while reducing rendering costs by adaptively adjusting both frame rate and resolution based on scene content and motion. Our approach is codec-agnostic and requires only minimal modifications to existing rendering infrastructure. We propose a system in which a lightweight neural network predicts the optimal combination of frame rate and resolution for a given transmission bandwidth, content, and motion velocity. This prediction significantly enhances perceptual quality while minimizing computational cost under bandwidth constraints. The network is trained on a large dataset of rendered content labeled with a perceptual video quality metric. The dataset and further information can be found at the project web page: https://www.cl.cam.ac.uk/research/rainbow/projects/adaptive_streaming/.
- Abstract（参考訳）: レンダリングされたコンテンツをストリーミングすることは、十分なレンダリング能力を持たない数十億のモバイルデバイスに高品質なグラフィックをもたらす魅力的な方法だ。
既存のソリューションは、固定フレームレートで、通常は毎秒30フレームまたは60フレームのコンテンツをレンダリングし、帯域幅が制限された場合の解像度を低下させる。
しかし、この戦略は帯域幅制約下での最適なレンダリング品質をもたらす。
本研究では、シーンの内容と動きに基づいてフレームレートと解像度を適応的に調整することにより、人間の視覚システムの時空間的限界を利用して、認識品質を向上させるとともに、レンダリングコストを低減させる。
我々のアプローチはコーデックに依存しず、既存のレンダリングインフラに最小限の変更しか必要としない。
本稿では,軽量ニューラルネットワークが与えられた伝送帯域,コンテンツ,移動速度に対して,フレームレートと解像度の最適な組み合わせを予測するシステムを提案する。
この予測は、帯域幅制約下での計算コストを最小限に抑えつつ、知覚品質を大幅に向上させる。
ネットワークは、知覚ビデオ品質メトリクスでラベル付けされたレンダリングされたコンテンツの大規模なデータセットに基づいて訓練される。
データセットとさらなる情報は、プロジェクトのWebページ(https://www.cl.cam.ac.uk/research/rainbow/projects/adaptive_streaming/)で見ることができる。
関連論文リスト
- Ultra Flash: Scaling Real-Time Streaming Video Generation to High Resolutions [69.01904860240938]
Ultra Flashは、リアルタイムの高解像度ビデオ生成が可能なカスケードストリーミングフレームワークである。
最先端のビジュアル品質と優れた効率を維持しながら、超高解像度のストリーミングビデオを生成する。
論文 参考訳（メタデータ） (2026-06-08T07:45:03Z) - BADiff: Bandwidth Adaptive Diffusion Model [55.10134744772338]
従来の拡散モデルは、下流の伝送制限によらず、一定数のデノナイジングステップを実行することで、高忠実度画像を生成する。
実際のクラウド・ツー・デバイス・シナリオでは、帯域幅の制限はしばしば重い圧縮を必要とし、微妙なテクスチャや無駄な計算が失われる。
使用可能な帯域幅から導かれる目標品質レベルに拡散モデルを条件付けする,共同エンドツーエンドのトレーニング戦略を導入する。
論文 参考訳（メタデータ） (2025-10-24T11:50:03Z) - Plug-and-Play Versatile Compressed Video Enhancement [57.62582951699999]
ビデオ圧縮はファイルのサイズを効果的に削減し、リアルタイムのクラウドコンピューティングを可能にする。
しかし、それは視覚的品質の犠牲となり、下流の視覚モデルの堅牢性に挑戦する。
本稿では,異なる圧縮条件下で動画を適応的に拡張する多言語対応拡張フレームワークを提案する。
論文 参考訳（メタデータ） (2025-04-21T18:39:31Z) - VoLUT: Efficient Volumetric streaming enhanced by LUT-based super-resolution [25.1343065912991]
3Dボリュームビデオは没入感のある体験を提供し、デジタルメディアで注目を集めている。
ボリュームビデオコンテンツのストリーミングは、データ帯域幅の要求が高いため、大きな課題となる。
帯域幅問題を緩和するための自然なアプローチは、転送前にコンテンツをダウンサンプリングすることで、ボリュームビデオのデータレートを下げることである。
ボリュームコンテンツに特化して設計された新しいSRアルゴリズムを用いて,VoLUTを開発した。
論文 参考訳（メタデータ） (2025-02-17T18:59:03Z) - 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) - DeformStream: Deformation-based Adaptive Volumetric Video Streaming [4.366356163044466]
ボリュームビデオストリーミングは没入型3D体験を提供するが、高い帯域幅要件とレイテンシの問題のために大きな課題に直面している。
本稿では,メッシュベースの表現の変形性を生かして,ボリュームビデオストリーミング性能を向上させる新しいフレームワークであるAdaptive Volumetric Video Streamingを紹介する。
論文 参考訳（メタデータ） (2024-09-25T04:43:59Z) - Promptus: Can Prompts Streaming Replace Video Streaming with Stable Diffusion [6.093768205619601]
本稿では,ビデオコンテンツの代わりにプロンプトをストリーミングするディスラプティブ通信システムPromptusを提案する。
実際のビデオフレームを、配信用に一連の"prompts"で表現し、受信機でビデオを生成するためにStable Diffusionを使用している。
我々の研究は、効率的なビデオ通信のための新しいパラダイムを開拓する。
論文 参考訳（メタデータ） (2024-05-30T13:16:48Z) - Towards High-Quality and Efficient Video Super-Resolution via
Spatial-Temporal Data Overfitting [27.302681897961588]
ディープ畳み込みニューラルネットワーク(DNN)はコンピュータビジョンの様々な分野で広く使われている。
高品質で効率的なビデオ解像度アップスケーリングタスクのための新しい手法を提案する。
市販の携帯電話にモデルをデプロイし,実験結果から,映像品質の高いリアルタイムビデオ解像度を実現することが確認された。
論文 参考訳（メタデータ） (2023-03-15T02:40:02Z) - FAVER: Blind Quality Prediction of Variable Frame Rate Videos [47.951054608064126]
ビデオ品質アセスメント(VQA)は、最も大規模な多くのアプリケーションに影響を与える重要かつ困難な問題であり続けている。
我々は、フレームレート対応ビデオ評価器w/o参照(FAVER)をダブした、HFRビデオの評価のための第一種ブラインドVQAモデルを提案する。
いくつかのHFRビデオ品質データセットに対する実験により、FAVERは他の盲点VQAアルゴリズムよりも妥当な計算コストで優れていることが示された。
論文 参考訳（メタデータ） (2022-01-05T07:54:12Z) - Prediction-assistant Frame Super-Resolution for Video Streaming [40.60863957681011]
ロスフレームによる映像品質の向上を2つの場面で提案します。
最初のケースでは、小さいが効果的なビデオフレーム予測ネットワークを提案する。
第2のケースでは,現在のフレームと以前のフレームを関連付けるビデオ予測ネットワークを改善し,高品質な画像を復元する。
論文 参考訳（メタデータ） (2021-03-17T06:05:27Z) - Deep Space-Time Video Upsampling Networks [47.62807427163614]
ビデオ超解像(VSR)とフレーム(FI)は伝統的なコンピュータビジョンの問題である。
本稿では, VSR と FI を効率よく融合して, 時空ビデオアップサンプリングを行うためのエンドツーエンドフレームワークを提案する。
その結果, 時間(x7速)とパラメータ数(30%)を基準線と比較し, 定量的, 質的にも良好な結果が得られた。
論文 参考訳（メタデータ） (2020-04-06T07:04:21Z)
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。