論文の概要: GVCCTurbo: Rate-Compute Quality Scheduling for Codebook Driven Generative Compression
- arxiv url: http://arxiv.org/abs/2608.03517v1
- Date: Tue, 04 Aug 2026 11:59:17 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-05 15:30:23.164725
- Title: GVCCTurbo: Rate-Compute Quality Scheduling for Codebook Driven Generative Compression
- Title（参考訳）: GVCCTurbo:コードブック駆動生成圧縮のためのレート計算品質スケジューリング
- Abstract要約: コードブック駆動の生成圧縮は、事前訓練された画像またはビデオジェネレータをゼロショットの視覚的先行として使用する。
本稿では,BPP方式のスケジューラであるGVCCTurboを提案する。
720p Wan-GVCCの研究では、スケジューラが20から9までの事前評価を$sim!44%の短縮時間短縮で削減する。
- 参考スコア（独自算出の注目度）: 1.9424280683610136
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Codebook-driven generative compression uses a pretrained image or video generator as a zero-shot visual prior and transmits compact codebook indices to guide reconstruction at ultra-low bitrate. Current codecs tie each finite-rate correction to a fresh prior evaluation, so shortening the sampler also removes correction slots that carry target-dependent information. We propose GVCCTurbo, a BPP-driven scheduler that separates expensive prior refreshes from codebook corrections: after calibrating an atom-count operating point and skip-gap ratio once per protocol, it maps a target codebook-payload bitrate to a trajectory length and refresh period, making BPP a schedule input instead of a fixed consequence of sampler length. The same endpoint-prediction and finite-rate steering interface covers GVCC-style rectified-flow video and DDCM-style diffusion image compression, preserving zero-training deployment and compatibility with future distilled priors. Native 1080p curves position the complete zero-shot codec in the ultra-low-bitrate regime. In a controlled 720p Wan-GVCC study, the scheduler cuts prior evaluations from 20 to 9 for a $\sim\!44\%$ measured decoding-time reduction shared across the whole schedule family, at a small shared LPIPS cost on high-motion content; within that family, uniform refresh thinning (pure-skip) is a boundary point, and the BPP-aware interior point trades $2.9\%$ fewer codebook-payload bits for consistently higher PSNR at comparable LPIPS. These results support BPP-to-compute scheduling as a controllable extension of sampler-length tuning, without requiring the allocated point to dominate every boundary point.
- Abstract（参考訳）: コードブック駆動の生成圧縮は、予め訓練された画像またはビデオジェネレータをゼロショットの視覚的先行として使用し、超低ビットレートでの再構成をガイドするためにコンパクトなコードブックインデックスを送信する。
現在のコーデックは、各有限レート補正を新しい事前評価に結び付けるため、サンプリングを短縮することで、ターゲット依存情報を保持する補正スロットも取り除く。
本稿では,BPP方式のスケジューラであるGVCCTurboを提案する。このスケジューラは,アトム数演算点とスキップギャップ比をプロトコル毎に1度校正した後,対象のコードブック負荷ビットレートを軌道長とリフレッシュ期間にマッピングし,BPPをサンプル長の固定結果ではなくスケジュール入力とする。
同じエンドポイント予測と有限レートのステアリングインタフェースは、GVCCスタイルの整流ビデオとDDCMスタイルの拡散画像圧縮をカバーし、ゼロトレーニングデプロイメントと将来の蒸留前との互換性を保っている。
ネイティブ1080p曲線は、超低ビットレート状態において完全なゼロショットコーデックを配置する。
制御された720p Wan-GVCC研究では、スケジューラが20から9までの事前評価を$\sim\!
44\%のデコード時間短縮は、ハイモーションコンテンツに対するLPIPSの小さな共有コストでスケジュールファミリ全体で共有され、その家族内では、均一なリフレッシュシンニング (pure-skip) がバウンダリポイントであり、BPPが認識するインテリアポイントは、2.9\%のコードブックペイロードビットを、同等のLPIPSにおいて一貫して高いPSNRに対して2.9\%のコストで取引する。
これらの結果は, BPP-to-compute スケジューリングを, 各境界点を支配するために割り当てられた点を必要とせず, サンプル長調整の制御可能な拡張としてサポートしている。
関連論文リスト
- Ripple-Pivot Search: Active Parallel Decoding for Diffusion Large Language Models [66.32132912853372]
Diffusion Large Language Models (dLLMs) は自己回帰型言語モデルの競合代替として登場した。
本研究では,中間エントロピー位置を有望な候補ピボットとして求める訓練自由復号法であるRipple-Pivot Search (RPS)を提案する。
RPSは、生成品質を維持しながら標準デコーダの4-10$times$wall-clockスピードアップを実現し、以前のルックアヘッドベースラインの精度を最大5.49%向上させる。
論文 参考訳（メタデータ） (2026-08-12T07:32:29Z) - Codec-Gauge: Learning Compression-Friendly Gauges for Transformer KV Caches [25.55174329283001]
長文トランスフォーマー推論は、KVキャッシュ圧縮や量子化にますます依存している。
我々は,キャッシュ調整後のレイヤであるCodec-Gaugeを紹介した。
論文 参考訳（メタデータ） (2026-07-10T17:18:25Z) - STAC: Selective Spatiotemporal Aggregation and Compression for Video Reasoning Segmentation [60.597357847359255]
ビデオセグメンテーションでは、複雑な自然言語クエリの下で数百フレームにわたるピクセル精度の高いオブジェクトトラッキングが要求される。
既存のメソッドはトークン圧縮を通じてこの問題に対処するが、典型的には時間的コンテキストを持たない機能で動作する。
状態空間モデルは、この制約を解決し、その線形反復性は、各トークンを時間的文脈で選択的に$mathcalO(T)$コスト圧縮して減少させる。
論文 参考訳（メタデータ） (2026-07-03T03:28:25Z) - Contrastive Predictive Coding with Compression for Enhanced Channel State Feedback in Wireless Networks [12.949353795245168]
本稿では,コントラスト予測符号化を統合した圧縮予測フレームワークを提案する。
標準化されたパイプライン内で圧縮と予測を統一することにより、提案するフレームワークは、年齢を認識し、計算効率の良いCSIフィードバックソリューションを提供する。
論文 参考訳（メタデータ） (2026-06-26T17:27:50Z) - ZeroGVC: Zero-Shot Generative Video Compression with Autoregressive Diffusion Priors [52.50325804778549]
我々はゼロショット生成ビデオ圧縮フレームワークZeroGVCを提案する。
ZeroGVCは、画像群(GOP)の最初のフレームを符号化し、Codebook-Guided Autoregressive Latent Compressionを通じてその後のPフレームを表現する。
標準ビデオ圧縮ベンチマークの実験では、ZeroGVCは、追加のトレーニングを伴わずに、超低速度での知覚的再構成品質が優れたことを実証している。
論文 参考訳（メタデータ） (2026-06-21T07:46:14Z) - End-to-End Context Compression at Scale [81.70601323130997]
長期コンテキスト言語モデル推論は、KVキャッシュがコンテキスト長とともに増加するにつれて、メモリによってボトルネックとなる。
KVキャッシュを圧縮する最近の技術は、モデル品質を著しく低下させるか、あるいはかなりの時間を要するか、1つの長いプロンプトを圧縮するために計算する。
既存のアプローチは、精度-効率のフロンティア上のKVキャッシュ圧縮と競合しない。
論文 参考訳（メタデータ） (2026-06-08T15:43:16Z) - Adaptive Fused Prior Transfer for Controllable Generative Image Compression [10.733481328643235]
本稿では,制御可能な生成画像圧縮のための適応的融合優先転送を提案する。
これは、凍結した事前訓練されたAdaCodeモデルから、適応的な融合を前もって転送する制御可能な転送である。
デコーダのレイテンシを18.1%削減し、全体のパラメータをDCVICと比較して31.10万 (20.5%)削減する。
論文 参考訳（メタデータ） (2026-05-16T05:18:50Z) - Generation Is Compression: Zero-Shot Video Coding via Stochastic Rectified Flow [1.8898767128464697]
emphGenerative Video Codebook Codec (GVCC)は、事前訓練されたビデオ生成モデルをそれ自体に変換するゼロショットフレームワークである。
この統合されたバックボーン上に構築された3つの条件付け戦略 – emphImage-to-Video (I2V), emphText-to-Video (T2V), emphFirst-Last-Frame-to-Video (FLF2V) – をインスタンス化する。
論文 参考訳（メタデータ） (2026-03-27T16:33:20Z) - ProGIC: Progressive and Lightweight Generative Image Compression with Residual Vector Quantization [59.481950697968706]
残留ベクトル量子化(RVQ)に基づくコンパクトなプログレッシブ生成画像圧縮(ProGIC)を提案する。
RVQでは、ベクトル量子化器の列がステージごとに残余を符号化し、それぞれが独自のコードブックを持つ。
これを奥行き分離可能な畳み込みと小さな注意ブロックに基づく軽量なバックボーンと組み合わせることで、GPUとCPUのみのデバイスに実用的なデプロイを可能にします。
論文 参考訳（メタデータ） (2026-03-03T11:47:05Z) - LoRC: Low-Rank Compression for LLMs KV Cache with a Progressive Compression Strategy [59.1298692559785]
キーバリュー(KV)キャッシュは、トランスフォーマーベースの自己回帰型大言語モデル(LLM)を提供する上で重要なコンポーネントである。
この問題を緩和するためのアプローチとしては、(1) アップサイクルステージに統合された効率的な注意変動、(2) テスト時のKVキャッシュ圧縮、(3) テスト時のKVキャッシュ圧縮がある。
そこで我々は,KV重み行列の低ランク近似を提案し,モデル再学習なしに既存のトランスフォーマーベースLCMとのプラグイン統合を実現する。
本手法は,テスト段階におけるアップサイクリング段階のモデルチューニングやタスク固有のプロファイリングを伴わずに機能するように設計されている。
論文 参考訳（メタデータ） (2024-10-04T03:10:53Z)
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。