論文の概要: MLVC: Multi-platform Learned Video Codec for Real-World Deployment
- arxiv url: http://arxiv.org/abs/2606.28027v1
- Date: Fri, 26 Jun 2026 12:32:50 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-29 18:24:25.484146
- Title: MLVC: Multi-platform Learned Video Codec for Real-World Deployment
- Title（参考訳）: MLVC: 実世界のデプロイのためのマルチプラットフォーム学習ビデオコーデック
- Abstract要約: MLVC(MLVC)は、実用的なクロスプラットフォーム推論のために設計された、ハードウェアでローバストなニューラルビデオエンコーダである。
VCDビデオ会議ベンチマークでは、MLVCはハードウェアHEVCよりも70%BDレート(MOS)の改善を実現している。
エンコーダとデコーダは、Apple、Intel、Qualcommの商品NPUで平均100FPSで動作する。
- 参考スコア（独自算出の注目度）: 6.112290875639843
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Neural video codecs have surpassed classical codecs in coding efficiency but remain impractical for deployment due to cross-platform incompatibility and high computational cost. Existing quantization-based solutions fail to produce deterministic results across diverse hardware platforms, leading to catastrophic decoding failures. We introduce MLVC, a hardware-robust neural video codec designed for practical cross-platform inference. The key idea is to explicitly transmit scale parameters through the hyperprior, which guarantees entropy coding consistency across devices without requiring bit-exact arithmetic. While this increases bitrate overhead, we recover most of the coding efficiency through architectural improvements (gated memory, ReGLU activation), a long-term reference recovery mechanism, and domain-specific perceptual training. On the VCD video conferencing benchmark, MLVC achieves >70% BD-rate (MOS) improvement over hardware HEVC, the strongest deployable baseline, while reaching subjective quality competitive with DCVC-RT, which cannot operate across diverse platforms. Both the encoder and decoder run at 100 FPS on average on commodity NPUs from Apple, Intel, and Qualcomm. MLVC is the first neural video codec to combine competitive compression performance, real-time speed, and cross-platform robustness across diverse consumer devices, making it suitable for widespread deployment. Code will be released.
- Abstract（参考訳）: ニューラルビデオコーデックはコーディング効率において古典的コーデックを超えているが、クロスプラットフォームの非互換性と高い計算コストのため、デプロイには実用的ではない。
既存の量子化ベースのソリューションでは、様々なハードウェアプラットフォームで決定論的結果が得られず、破滅的なデコーディングの失敗に繋がる。
本稿では,実用的なクロスプラットフォーム推論用に設計されたハードウェアローバストなニューラルビデオコーデックであるMLVCを紹介する。
鍵となる考え方は、ビットエクササイズ演算を必要とせずにデバイス間でエントロピー符号化の一貫性を保証するハイパープライアを通じてスケールパラメータを明示的に送信することである。
これはビットレートオーバーヘッドを増大させるが、アーキテクチャの改善(ゲートメモリ、ReGLUアクティベーション)、長期参照回復機構、ドメイン固有の知覚トレーニングを通じて、コーディング効率の大部分を回復する。
VCDビデオ会議ベンチマークでは、MLVCはハードウェアHEVCよりも70%BDレート(MOS)の改善を実現している。
エンコーダとデコーダは、Apple、Intel、Qualcommの商品NPUで平均100FPSで動作する。
MLVCは、さまざまなコンシューマデバイスにまたがる競争力のある圧縮パフォーマンス、リアルタイムスピード、クロスプラットフォームの堅牢性を組み合わせた最初のニューラルビデオコーデックである。
コードはリリースされる。
関連論文リスト
- X-VC: Zero-shot Streaming Voice Conversion in Codec Space [68.11390597559101]
X-VCはゼロショットストリーミングVCシステムであり、事前訓練されたニューラルネットワークの潜在空間でワンステップ変換を行う。
X-VCは、英語と中国語の両方で最高のストリーミングWERを達成する。
論文 参考訳（メタデータ） (2026-04-14T08:42:10Z) - CoPE-VideoLM: Codec Primitives For Efficient Video Language Models [56.76440182038839]
ビデオ言語モデル(Video Language Models, ビデオ言語モデル)は、ビデオの時間的ダイナミクスを理解するためのAIシステムである。
現在の方法では、マクロレベルのイベントとマイクロレベルの詳細の両方を見逃すことができるサンプリングを使用する。
多くのフレームに対して高価なフルイメージエンコーディングを必要とせず、ビデオ冗長性と疎結合性を符号化するビデオプリミティブを活用することを提案する。
論文 参考訳（メタデータ） (2026-02-13T18:57:31Z) - Emerging Standards for Machine-to-Machine Video Coding [0.9368339942045111]
Video Coding for Machines (VCM) は、ピクセル領域にタスク対応のコーディングツールを適用するように設計されている。
Feature Coding for Machines (FCM) は中間的ニューラル特徴を圧縮するように設計されている。
FCMは計算量を大幅に削減しつつ、エッジに近い精度を維持することができる。
論文 参考訳（メタデータ） (2025-12-11T02:27:49Z) - SIEDD: Shared-Implicit Encoder with Discrete Decoders [36.705337163276255]
Inlicit Neural Representations (INR)は、ビデオごとの最適化機能を学ぶことによって、ビデオ圧縮に例外的な忠実度を提供する。
既存のINRエンコーディングの高速化の試みは、しばしば再建品質や重要な座標レベルの制御を犠牲にしている。
これらの妥協なしにINRエンコーディングを根本的に高速化する新しいアーキテクチャであるSIEDDを紹介する。
論文 参考訳（メタデータ） (2025-06-29T19:39:43Z) - Neural Video Compression using 2D Gaussian Splatting [0.0]
本稿では,2次元ガウススプラッティングを利用した関心領域に基づくニューラルビデオ圧縮モデルを提案する。
本研究では,従来のガウススプラッティング画像の符号化時間を88%高速化するビデオパイプラインを設計した。
論文 参考訳（メタデータ） (2025-05-14T12:23:53Z) - 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) - Towards Practical Real-Time Neural Video Compression [60.390180067626396]
我々は,高圧縮比,低レイテンシ,広範汎用性を実現するために設計された実用的リアルタイムニューラルビデオ(NVC)を紹介する。
実験により,提案したDCVC-RTは1080pビデオに対して125.2/112.8フレーム(毎秒125.2/112.8フレーム)の高速符号化を実現し,H.266/VTMと比較して21%のfpsを節約できた。
論文 参考訳（メタデータ） (2025-02-28T06:32:23Z) - PNVC: Towards Practical INR-based Video Compression [14.088444622391501]
自動エンコーダと過度に適合したソリューションを革新的に組み合わせた新しいINRベースのコーディングフレームワークであるPNVCを提案する。
PNVCはHEVC HM 18.0(LD)に対して35%以上のBDレートの節約を実現している。
論文 参考訳（メタデータ） (2024-09-02T05:31:11Z) - Standard compliant video coding using low complexity, switchable neural wrappers [8.149130379436759]
標準互換性、高性能、低復号化の複雑さを特徴とする新しいフレームワークを提案する。
私たちは、標準的なビデオをラップして、異なる解像度でビデオをエンコードする、共同最適化されたニューラルプリプロセッサとポストプロセッサのセットを使用します。
我々は、異なるアップサンプリング比を処理できる低複雑性のニューラルポストプロセッサアーキテクチャを設計する。
論文 参考訳（メタデータ） (2024-07-10T06:36:45Z) - 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) - Adversarial Neural Networks for Error Correcting Codes [76.70040964453638]
機械学習(ML)モデルの性能と適用性を高めるための一般的なフレームワークを紹介する。
本稿では,MLデコーダと競合する識別器ネットワークを組み合わせることを提案する。
我々のフレームワークはゲーム理論であり、GAN(Generative Adversarial Network)によって動機付けられている。
論文 参考訳（メタデータ） (2021-12-21T19:14:44Z) - ELF-VC: Efficient Learned Flexible-Rate Video Coding [61.10102916737163]
低レイテンシモードの性能向上を実現するための,学習ビデオ圧縮のための新しいアイデアをいくつか提案する。
一般的なビデオテストセット UVG と MCL-JCV 上で,ELF-VC と呼ぶ手法をベンチマークする。
我々の手法は少なくとも5倍高速に動作し、これらの数値を報告するすべてのMLコーデックよりもパラメータが少ない。
論文 参考訳（メタデータ） (2021-04-29T17:50:35Z)
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。