論文の概要: DiffVC-ONE: Diffusion-based Generative Video Compression with One-Step Video Diffusion Transformer
- arxiv url: http://arxiv.org/abs/2608.20515v1
- Date: Thu, 20 Aug 2026 19:20:05 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-24 14:49:32.160043
- Title: DiffVC-ONE: Diffusion-based Generative Video Compression with One-Step Video Diffusion Transformer
- Title（参考訳）: DiffVC-ONE:ワンステップビデオ拡散変換器を用いた拡散型ビデオ圧縮
- Abstract要約: 生成ビデオ圧縮は、高解像度でリッチな視覚的詳細を復元できるが、同時に高時間一貫性と低推論コストを達成することは、依然として困難である。
本稿では,1ステップビデオ変換器上に構築した拡散型ビデオ圧縮フレームワークDiffVC-ONEを提案する。
複数の標準ベンチマークの実験では、DiffVC-ONEは知覚的品質と時間的一貫性を低い推論コストで達成している。
- 参考スコア（独自算出の注目度）: 38.495966630021556
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Generative video compression can recover rich visual details at low bitrates, but simultaneously achieving high temporal consistency and low inference cost remains challenging. To address this issue, we propose DiffVC-ONE, a diffusion-based generative video compression framework built on a one-step Video Diffusion Transformer. First, we introduce a Unified Unidirectional Latent Compressor that uses a shared model to efficiently and uniformly compress compact latent slices. We then develop a Video DiT-based One-Step Diffusion Enhancer that uses the reconstructed latent slices as content anchors and performs single-step spatio-temporal perceptual enhancement over an entire group of pictures. Finally, a Hybrid Condition Generator extracts structural, strength, and semantic conditions from the reconstructed content and quantization information. These conditions preserve faithful regions, control the degree of generative enhancement, and supplement content-aware perceptual details during one-step diffusion enhancement. Extensive experiments on multiple standard benchmarks demonstrate that DiffVC-ONE achieves state-of-the-art perceptual quality and temporal consistency with low inference cost.
- Abstract（参考訳）: 生成ビデオ圧縮は、低ビットレートでリッチな視覚的詳細を復元できるが、同時に高時間一貫性と低推論コストを達成することは困難である。
この問題に対処するため,一段階ビデオ拡散変換器上に構築した拡散型ビデオ圧縮フレームワークであるDiffVC-ONEを提案する。
まず,一方向一方向ラテント圧縮機を導入し,共有モデルを用いてコンパクトラテントスライスを効率よく均一に圧縮する。
次に,ビデオDiTをベースとしたワンステップ拡散エンハンサーを開発し,再構成した遅延スライスをコンテンツアンカーとして使用し,画像群全体に対して一段階の時空間強調を行う。
最後に、ハイブリッド条件生成器は、再構成された内容と量子化情報から構造、強度、意味的条件を抽出する。
これらの条件は、忠実な領域を保ち、生成的増強の程度を制御し、一段階の拡散促進における内容認識の知覚的詳細を補う。
複数の標準ベンチマークでの大規模な実験により、DiffVC-ONEは最先端の知覚的品質と時間的一貫性を低い推論コストで達成することを示した。
関連論文リスト
- Efficient Video Diffusion with Sparse Information Transmission for Video Compression [24.272279529510772]
ビデオ圧縮は、最小限の歪みで復元品質を最大化することを目的としている。
超低速では、従来のエンドツーエンド圧縮モデルは、画質の悪いぼやけた画像を生成する傾向がある。
我々はDiff-SITを提案し、知覚的品質と時間的一貫性の新たな最先端性を確立する。
論文 参考訳（メタデータ） (2026-03-19T05:15:29Z) - MTC-VAE: Multi-Level Temporal Compression with Content Awareness [54.85288415164888]
Latent Video Diffusion Models (LVDMs) は可変オートエンコーダ (VAEs) を使ってビデオをコンパクトな遅延表現に圧縮する。
固定圧縮率VAEを多段階時間圧縮をサポートするモデルに変換する手法を提案する。
論文 参考訳（メタデータ） (2026-02-01T17:08:02Z) - DiffVC-OSD: One-Step Diffusion-based Perceptual Neural Video Compression Framework [45.134271969594614]
まず,1ステップ拡散に基づく知覚型ニューラルビデオ圧縮フレームワークDiffVC-OSDを提案する。
我々は、全体的な圧縮性能を改善するためにエンドツーエンドファインタニング戦略を採用する。
論文 参考訳（メタデータ） (2025-08-11T06:59:23Z) - Conditional Video Generation for High-Efficiency Video Compression [48.32125957038998]
本稿では,条件付き拡散モデルを利用した映像圧縮フレームワークを提案する。
具体的には、映像圧縮を条件生成タスクとして再構成し、生成モデルがスパース信号から映像を合成する。
論文 参考訳（メタデータ） (2025-07-21T06:16:27Z) - REGEN: Learning Compact Video Embedding with (Re-)Generative Decoder [52.698595889988766]
生成モデルのためのビデオ埋め込み学習について,新しい視点を提示する。
入力ビデオの正確な再生を必要とせず、効果的な埋め込みは視覚的に妥当な再構築に焦点を当てるべきである。
本稿では,従来のエンコーダ・デコーダ・ビデオ埋め込みをエンコーダ・ジェネレータ・フレームワークに置き換えることを提案する。
論文 参考訳（メタデータ） (2025-03-11T17:51:07Z) - Rethinking Video Tokenization: A Conditioned Diffusion-based Approach [58.164354605550194]
新しいトークン化ツールであるDiffusion Conditioned-based Gene Tokenizerは、GANベースのデコーダを条件付き拡散モデルで置き換える。
再建に基本的MSE拡散損失とKL項,LPIPSを併用した訓練を行った。
CDTのスケールダウン版(3$times inference speedup)でさえ、トップベースラインと互換性がある。
論文 参考訳（メタデータ） (2025-03-05T17:59:19Z) - 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。