論文の概要: Loss-Resilient Wireless Video Token Communication over Block Fading Channels
- arxiv url: http://arxiv.org/abs/2608.08698v1
- Date: Sun, 09 Aug 2026 13:23:45 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-11 19:16:36.919216
- Title: Loss-Resilient Wireless Video Token Communication over Block Fading Channels
- Title（参考訳）: ブロックフェディングチャネル上でのロスレジリエントな無線ビデオトーケン通信
- Abstract要約: 損失耐性のある無線ビデオトークン通信フレームワークを提案する。
WVTCはビデオトークンの固有の予測構造からトークンの重要性を評価する。
数値計算の結果,パケット誤り率の増加により知覚品質が向上し,優雅な劣化が見られた。
- 参考スコア（独自算出の注目度）: 20.897837947160614
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Video token communication represents video content as discrete tokens that differ in their importance to reconstruction and exhibit temporal dependencies. When these tokens are packetized for wireless transmission, block fading can cause multiple important or correlated tokens to be lost together, severely degrading video reconstruction. To address this issue, we propose a loss-resilient wireless video token communication (WVTC) framework. WVTC evaluates token importance from the intrinsic predictive structure of video tokens, assigning high priority to structural I-tokens and measuring P-token importance by temporal neighborhood novelty. A shuffled mixed I/P-token packetization scheme disperses structural anchors and correlated temporal regions across packets. Using only current block channel state information, an online scheduler jointly considers packet importance density, MCS-dependent decoding reliability, block capacity, and importance concentration when allocating packets to fading blocks. At the receiver, a fine-tuned detokenizer reconstructs missing content from surviving tokens without retransmission. Numerical results demonstrate improved perceptual quality and more graceful degradation under increasing packet error rates.
- Abstract（参考訳）: ビデオトークン通信は、ビデオコンテンツを、復元の重要性と時間的依存を示すために異なる離散トークンとして表現する。
これらのトークンが無線送信のためにパケット化されると、ブロックのフェーディングによって複数の重要なトークンや相関トークンが一緒に失われ、映像の復元が著しく低下する。
この問題に対処するために、損失耐性の無線ビデオトークン通信(WVTC)フレームワークを提案する。
WVTCは、ビデオトークンの固有の予測構造からトークンの重要性を評価し、構造Iトークンに高い優先度を割り当て、時間的近傍の新規性によるPトークンの重要性を測定する。
シャッフル混合I/Pトークンパケット化方式は、パケット間で構造アンカーと相関時間領域を分散する。
オンラインスケジューラは、現在のブロックチャネル状態情報のみを用いて、パケットをフェーディングブロックに割り当てる際のパケット重要度、MCS依存の復号信頼性、ブロック容量、重要度を共同で検討する。
受信機では、微調整されたデトケナイザが、再送信することなく、生き残ったトークンから欠落したコンテンツを再構成する。
数値計算の結果,パケット誤り率の増加により知覚品質が向上し,優雅な劣化が見られた。
関連論文リスト
- Semantic-Aware Neural Video Codec for Error-Resilient Low-Latency Transmission [5.626680522690602]
物理AIシステムは信頼性の低い、タスク指向のビデオ通信を必要とする。
本稿では,信頼性の低いチャンネル上での高能率低遅延ビデオ伝送のための意味認識型多レベルニューラルビデオ符号化手法を提案する。
提案手法は,パケット消去時のベースラインDCVC-RTのロバスト性を大幅に向上することを示す。
論文 参考訳（メタデータ） (2026-09-14T19:37:33Z) - Keep-or-Drop? Adaptive Tokenizer for Compact Video Representation [3.7696381512190804]
非形式的トークンを捨てる適応トークンセレクタを提案する。
実験により,本モデルが最先端圧縮比で強い復元と生成品質を実現することを示す。
論文 参考訳（メタデータ） (2026-08-25T09:19:22Z) - Visual Token Codec: Unleashing Spatial Redundancy for ViT Feature Coding [49.540751364954666]
Visual Token Codecは、グローバルトークンとパッチトークンを専用のコーディングパスに分離する。
VTCは, 分類, セグメンテーション, 検出タスクにおいて, 代表的VT特徴量ベースラインを一貫して上回っていることを示す。
論文 参考訳（メタデータ） (2026-08-09T17:32:04Z) - TRaM-VSR: Importance-Aware Token Routing and Merging for One-Step Diffusion Video Super-Resolution [52.96050253456634]
TRaM-VSRは、コンテキスト対応のビデオプリエントとネットワークレベルを用いた適応トークンアロケーションのためのフレームワークである。
その結果、TRaM-VSRは、最先端の復元品質と頑健な時間的整合性を維持しつつ、推論を著しく加速することがわかった。
論文 参考訳（メタデータ） (2026-07-24T11:57:26Z) - Surprise Forcing: What to Remember, When to Skip in Long Video Generation [65.0022589149937]
自己回帰拡散をストリーミングすることで、ミニスケールのビデオ合成が実用的になるが、そのコンテキスト境界と固定化スケジュールはリソースを均一に割り当てる。
我々は、両方の制限をオンラインリソース割り当て問題として扱う、トレーニング不要のフレームワークであるSurprise Forcingを紹介した。
VBench、VBench-Long、VBench-2.0の実験では、提案されたアロケーション戦略は、リアルタイムストリーミングスループットを維持しながら、長時間の一貫性と視覚的品質を改善する。
論文 参考訳（メタデータ） (2026-07-20T18:37:58Z) - TC-AE: Unlocking Token Capacity for Deep Compression Autoencoders [51.71228803075235]
我々は、深部圧縮オートエンコーダのためのViTベースのアーキテクチャであるTC-AEを提案する。
トークン・ツー・ラテント圧縮を2段階に分解し,構造的情報損失を低減する。
画像トークンのセマンティック構造を,共同指導による訓練によって強化し,より生成しやすい潜伏者へと導いた。
論文 参考訳（メタデータ） (2026-04-08T17:53:52Z) - Keeping the Evidence Chain: Semantic Evidence Allocation for Training-Free Token Pruning in Video Temporal Grounding [16.537148896706036]
Video Temporal Grounding (VTG)は、クエリ関連モーメントの時間的境界を、長い、トリミングされていないビデオでローカライズする。
本稿では,セマンティックな役割を持つコンパクトだがコヒーレントなトークンサブセットを構成する,トレーニング不要なプルーニングフレームワークSemVIDを提案する。
論文 参考訳（メタデータ） (2026-03-05T20:25:32Z) - Resi-VidTok: An Efficient and Decomposed Progressive Tokenization Framework for Ultra-Low-Rate and Lightweight Video Transmission [35.3961976297755]
Resi-VidTokは、超低レートで軽量なビデオ伝送のためのレジリエント・トークン化対応フレームワークである。
重要なコントリビューションは、差分時間トークンコーディングを統合するビデオのためのレジリエントな1Dトークン化パイプラインである。
その結果, チャネル帯域幅比 (CBR) が0.0004, 30fps以上のリアルタイム再構成では, 頑健な視覚的・意味的整合性を示した。
論文 参考訳（メタデータ） (2025-10-28T22:02:36Z) - HiTVideo: Hierarchical Tokenizers for Enhancing Text-to-Video Generation with Autoregressive Large Language Models [63.65066762436074]
HiTVideoは、テキストからビデオ生成タスクにおける既存のビデオトークンの潜在的な制限を解決することを目的としている。
マルチレイヤの離散トークンフレームワークを備えた3D因果VAEを使用し、ビデオコンテンツを階層的に構造化されたコードブックにエンコードする。
論文 参考訳（メタデータ） (2025-03-14T15:36:39Z) - Structured Sparsity Learning for Efficient Video Super-Resolution [99.1632164448236]
我々は、ビデオ超解像(VSR)モデルの特性に応じて、構造化スパシティ学習(SSL)と呼ばれる構造化プルーニング手法を開発する。
SSLでは,残差ブロック,リカレントネットワーク,アップサンプリングネットワークなど,VSRモデルのいくつかの重要なコンポーネントに対するプルーニングスキームを設計する。
論文 参考訳（メタデータ） (2022-06-15T17:36:04Z) - CenterCLIP: Token Clustering for Efficient Text-Video Retrieval [67.21528544724546]
CLIPでは、ビデオ内の連続するフレームの冗長性のために、離散的な視覚トークンシーケンスを生成する重要な視覚トークン化プロセスが、多くの均一なトークンを生成する。
これにより、計算コストが大幅に増加し、Webアプリケーションにおけるビデオ検索モデルの展開が妨げられる。
本稿では,最も代表的なトークンを抽出し,非意味トークンをドロップするマルチセグメントトークンクラスタリングアルゴリズムを設計する。
論文 参考訳（メタデータ） (2022-05-02T12:02:09Z) - ConcealNet: An End-to-end Neural Network for Packet Loss Concealment in
Deep Speech Emotion Recognition [0.0]
パケット損失は、音声データ伝送を含むデータ伝送において一般的な問題である。
本稿では,重畳されたリカレント・ニューラルセルで使用可能な隠蔽ラッパーを提案する。
提案したConcealNetモデルは、音声再構成とそれに対応する感情予測の両方において、かなり改善されている。
論文 参考訳（メタデータ） (2020-05-15T20:43:02Z)
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。