論文の概要: Neural Video Compression Based on Deformable Temporal Alignment and Difference-aware Fusion

• arxiv url: http://arxiv.org/abs/2609.03520v1
• Date: Thu, 03 Sep 2026 08:20:19 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-04 18:28:38.981291
• Title: Neural Video Compression Based on Deformable Temporal Alignment and Difference-aware Fusion
• Title（参考訳）: 変形可能な時間アライメントと差認識融合に基づくニューラルビデオ圧縮
• Authors: Chuyue Shan, Songlin Sun, Wang Chenwei, Shen Zihan,
• Abstract要約: 変形可能な時間的アライメントと差認識型空間選択的融合を組み合わせる。 実験の結果,提案手法はDCVC-DCよりも一定の速度歪み性能向上を実現することがわかった。
• 参考スコア（独自算出の注目度）: 1.8740972654414068
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In conditional coding-based neural video compression, the quality of temporal context directly affects compression per- formance. Existing methods mostly construct context from prop- agated reference features, but they are vulnerable to motion esti- mation and local alignment errors in regions with complex mo- tion, occlusion, and high-frequency textures, resulting in inaccu- rate temporal information. To address this issue, this paper pro- poses a method combining deformable temporal alignment and difference-aware spatial selective fusion. A Context-aware Tem- poral Alignment Module is used to generate complementary tem- poral context, while a Difference-aware Spatial Selective Fusion module adaptively selects reliable temporal information and sup- presses misalignment. Experiments show that the proposed method achieves certain rate-distortion performance improve- ment over DCVC-DC.
• Abstract（参考訳）: 条件付き符号化に基づくニューラルビデオ圧縮では、時間的文脈の質がフォルマンス毎の圧縮に直接影響する。 既存の手法は主にプロップゲート参照の特徴からコンテキストを構成するが、複雑なモーオン、オクルージョン、高周波テクスチャを持つ領域における動きのエスティメーションや局所的なアライメントエラーに弱いため、不正確な時間的情報をもたらす。 そこで本稿では,変形可能な時間的アライメントと差認識型空間選択的融合を組み合わせた手法を提案する。 コンテキスト対応のテムポラルアライメントモジュールを使用して補完的なテムポラルコンテキストを生成する一方、差対応の空間選択型フュージョンモジュールは信頼できる時間情報を適応的に選択し、sup-は誤アライメントをプッシュする。 実験の結果,提案手法はDCVC-DCよりも一定の速度歪み性能向上を実現することがわかった。

関連論文リスト

• Error-Propagation-Free Learned Video Compression With Dual-Domain Progressive Temporal Alignment [92.57576987521107]
  両ドメインのプログレッシブな時間的アライメントと品質条件の混合(QCMoE)を備えた新しい統合変換フレームワークを提案する。 QCMoEは、魅力的なR-Dパフォーマンスで連続的かつ一貫したレート制御を可能にする。 実験結果から,提案手法は最先端技術と比較して,競争力のあるR-D性能を実現することが示された。
  論文  参考訳（メタデータ） (2025-12-11T09:14:51Z)
• Deformable Feature Alignment and Refinement for Moving Infrared Dim-small Target Detection [17.765101100010224]
  本稿では,変形可能なコンボリューションに基づく変形可能な特徴アライメント・リファインメント(DFAR)手法を提案する。 提案手法はDAUBとIRDSTを含む2つのベンチマークデータセットの最先端性能を実現する。
  論文  参考訳（メタデータ） (2024-07-10T00:42:25Z)
• Collaborative Feedback Discriminative Propagation for Video Super-Resolution [66.61201445650323]
  ビデオ超解像法(VSR)の主な成功は、主に空間情報と時間情報を探索することに由来する。 不正確なアライメントは通常、重要なアーティファクトを備えたアライメント機能につながる。 伝搬モジュールは同じタイムステップ機能のみを前方または後方に伝播する。
  論文  参考訳（メタデータ） (2024-04-06T22:08:20Z)
• Spatial Decomposition and Temporal Fusion based Inter Prediction for Learned Video Compression [59.632286735304156]
  学習ビデオ圧縮のための空間分解と時間融合に基づく相互予測を提案する。 SDDに基づく動きモデルと長時間の時間的融合により,提案した学習ビデオはより正確な相互予測コンテキストを得ることができる。
  論文  参考訳（メタデータ） (2024-01-29T03:30:21Z)
• 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)
• Multiple Video Frame Interpolation via Enhanced Deformable Separable Convolution [67.83074893311218]
  カーネルベースの手法は、ソースフレームと空間適応型ローカルカーネルを囲む単一の畳み込みプロセスでピクセルを予測する。 本稿では,適応カーネルだけでなく,オフセット,マスク,バイアスを推定するための拡張変形性分離畳み込み(EDSC)を提案する。 提案手法は,幅広いデータセットを対象とした最先端の手法に対して良好に動作することを示す。
  論文  参考訳（メタデータ） (2020-06-15T01:10:59Z)

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。