論文の概要: High-Fidelity Video Compression based on Invertible Neural Transform and Implicit Conditioning

• arxiv url: http://arxiv.org/abs/2606.13957v1
• Date: Thu, 11 Jun 2026 22:37:11 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-15 16:00:42.671966
• Title: High-Fidelity Video Compression based on Invertible Neural Transform and Implicit Conditioning
• Title（参考訳）: Invertible Neural Transform と Implicit Conditioning を用いた高忠実度映像圧縮
• Authors: Siyue Teng, Ho Man Kwan, Yuxuan Jiang, Fan Zhang, David Bull,
• Abstract要約: InnVCは、広帯域かつ高忠実な圧縮のための、インバータブルニューラルネットワークベースのビデオコーデックである。 私たちの知る限りでは、InnVCは単一のアーキテクチャスケールで、低い忠実度から高い忠実度までのポインを操作する最初のニューラルビデオです。
• 参考スコア（独自算出の注目度）: 9.466904732249127
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Learning-based video compression has recently achieved competitive rate-distortion performance compared to conventional video codecs. However, most existing methods rely on non-invertible analysis-synthesis transforms, with reconstruction quality subject to both quantization and transform approximation errors. This limitation becomes particularly restrictive at higher quality points, where quantization errors are small and transform-induced distortion dominates. To address this, we propose InnVC, an Invertible neural network based Video Codec for wide-range and high-fidelity compression. The core idea is to preserve an invertible main transform path prior to quantization, while injecting content-adaptive context through a compact implicit conditioning field. This decouples strongly correlated video content from harder-to-model fine details, allowing different components to specialize in complementary reconstruction tasks for more efficient compression. To further improve compressibility, we introduce a scheduled masking strategy that progressively concentrates informative content into fewer latent channels for more effective entropy coding. Experiments on the UVG and MCL-JCV benchmarks show that InnVC achieves strong compression performance over a broad quality range, being particularly effective in the high-quality regime, yielding BD-rate reductions of 21.66% in PSNR and 46.06% in MS-SSIM relative to x265 on UVG. To the best of our knowledge, InnVC is the first neural video codec covers operating poins from low bitrate to high fidelity within a single architecture scale, spanning more than 20 dB in PSNR.
• Abstract（参考訳）: 近年,従来のビデオコーデックと比較して,ビデオ圧縮の速度歪み性能が向上している。 しかし、既存のほとんどの手法は非可逆解析合成変換に依存しており、再構成品質は量子化と変換近似の誤差の両方を考慮に入れている。 この制限は、量子化誤差が小さく、変換誘起歪みが支配的な高い点において特に制限される。 そこで我々は,広帯域かつ高忠実な圧縮を実現するために,Invertible Neural NetworkをベースとしたビデオコーデックであるInnVCを提案する。 中心となる考え方は、量子化の前に可逆な主変換経路を保存し、コンパクトな暗黙的条件付け場を通じて内容適応的コンテキストを注入することである。 これにより、高精細度から強く相関した映像コンテンツを分離し、より効率的な圧縮のために相補的な再構成タスクを個別に行うことが可能となる。 圧縮性をさらに向上するため,より効果的なエントロピー符号化のために,より少ない遅延チャネルに情報的コンテンツを徐々に集中させる定期的なマスキング戦略を導入する。 UVG と MCL-JCV ベンチマークの実験により、InnVC は幅広い品質範囲で強い圧縮性能を達成し、特に高品質なシステムにおいて有効であり、PSNR では 21.66% 、UVG では x265 に対して MS-SSIM では 46.06% の BD レートの削減が達成された。 我々の知る限り、InnVCは単一のアーキテクチャスケールで低ビットレートから高忠実度までの動作ポインをカバーする最初のニューラルビデオコーデックであり、PSNRでは20dBを超える。

関連論文リスト

• Multi-Scale Invertible Neural Network for Wide-Range Variable-Rate Learned Image Compression [90.59962443790593]
  本稿では,制限を克服するために,可逆変換に基づく可変レート画像圧縮モデルを提案する。 具体的には、入力画像をマルチスケールの潜在表現にマッピングする、軽量なマルチスケール非可逆ニューラルネットワークを設計する。 実験結果から,提案手法は既存の可変レート法と比較して最先端性能を実現することが示された。
  論文  参考訳（メタデータ） (2025-03-27T09:08:39Z)
• Improving the Diffusability of Autoencoders [54.920783089085035]
  高品質な画像やビデオを生成するための主要なアプローチとして、潜伏拡散モデルが登場している。 我々は、現代のオートエンコーダのスペクトル分析を行い、その潜在空間における不規則な高周波成分を同定する。 我々は、この高周波成分が拡散合成プロセスの粗大な微細な性質に干渉し、生成品質を阻害する仮説を立てた。
  論文  参考訳（メタデータ） (2025-02-20T18:45:44Z)
• 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)
• Compression-Realized Deep Structural Network for Video Quality Enhancement [78.13020206633524]
  本稿では,圧縮ビデオの品質向上の課題に焦点をあてる。 既存の手法のほとんどは、圧縮コーデック内での事前処理を最適に活用するための構造設計を欠いている。 新しいパラダイムは、より意識的な品質向上プロセスのために緊急に必要である。
  論文  参考訳（メタデータ） (2024-05-10T09:18:17Z)
• ConvNeXt-ChARM: ConvNeXt-based Transform for Efficient Neural Image Compression [18.05997169440533]
  ConvNeXt-ChARMは,効率的なConvNeXtベースのトランスフォーメーションコーディングフレームワークである。 ConvNeXt-ChARMは、VVC参照エンコーダ(VTM-18.0)と最先端の学習画像圧縮手法であるSwinT-ChARMに対して、平均5.24%と1.22%と、一貫したBDレート(PSNR)の低下をもたらすことを示した。
  論文  参考訳（メタデータ） (2023-07-12T11:45:54Z)
• HiNeRV: Video Compression with Hierarchical Encoding-based Neural Representation [14.088444622391501]
  Implicit Representations (INRs) は画像やビデオのコンテントの表現や圧縮に使われてきた。 既存のINRベースの手法は、ビデオ圧縮の最先端技術に匹敵する速度性能を達成できなかった。 軽量層と階層的位置符号化を組み合わせたINRであるHiNeRVを提案する。
  論文  参考訳（メタデータ） (2023-06-16T12:59:52Z)
• Learned Video Compression via Heterogeneous Deformable Compensation Network [78.72508633457392]
  不安定な圧縮性能の問題に対処するために,不均一変形補償戦略(HDCVC)を用いた学習ビデオ圧縮フレームワークを提案する。 より具体的には、提案アルゴリズムは隣接する2つのフレームから特徴を抽出し、コンテンツ近傍の不均一な変形(HetDeform)カーネルオフセットを推定する。 実験結果から,HDCVCは最近の最先端の学習ビデオ圧縮手法よりも優れた性能を示した。
  論文  参考訳（メタデータ） (2022-07-11T02:31:31Z)

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。