論文の概要: tcnerv:dual-domain temporal context modeling for implicit neural video compression
- arxiv url: http://arxiv.org/abs/2609.16870v1
- Date: Tue, 15 Sep 2026 09:00:18 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-16 14:56:08.425462
- Title: tcnerv:dual-domain temporal context modeling for implicit neural video compression
- Title（参考訳）: tcnerv:dual-domain temporal context modelingによる暗黙的ニューラルビデオ圧縮
- Abstract要約: TCNeRVは、フィーチャードメインと埋め込みドメインの両方で再構成されたコンテキストを利用する。
UVGデータセットの平均PSNRは36.08dBであり、HNeRV-Boostの2.20dBを上回っている。
- 参考スコア（独自算出の注目度）: 6.025390826523129
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Video compression aims to minimize reconstruction distor tion under a constrained bit rate. Existing video implicit neural representations (INRs) often decode frames independently, leaving intermediate features unconditioned on previous reconstructions and content embeddings without explicit temporal prediction. We propose TCNeRV, which exploits reconstructed context in both feature and embedding domains. Its multi-scale temporal-context fusion (MTCF) module injects gated historical features at multiple decoder scales, while temporal embedding-residual coding (TERC) predicts each content embedding and codes only its residual. With approximately 3M parameters, TCNeRV achieves an average PSNR of 36.08 dB on the UVG dataset, outperforming HNeRV-Boost by 2.20 dB. It reduces BD-rate by 22.06%, 66.73%, and 29.85% relative to HM, DCVC, and HiNeRV, respectively, demonstrating competitive rate-distortion performance with limited model capacity.
- Abstract（参考訳）: ビデオ圧縮は、制約ビットレート下での再構成歪みの最小化を目的としている。
既存のビデオ暗黙的ニューラル表現(INR)はフレームを独立にデコードし、以前の再構成やコンテンツ埋め込みでは明示的な時間的予測なしに中間的な特徴を残している。
本稿では,機能ドメインと埋め込みドメインの両方において,再構成コンテキストを活用するTCNeRVを提案する。
MTCF(Multi-scale temporal-context fusion)モジュールは、複数のデコーダスケールでゲート付き歴史的特徴を注入し、TERC(temporal embedding-Residual coding)は各コンテンツ埋め込みを予測し、その残余のみを符号化する。
TCNeRVは約3Mパラメータで、UVGデータセットの平均PSNRは36.08dBであり、HNeRV-Boostを2.20dB上回る。
BDレートはHM、DCVC、HiNeRVと比較して22.06%、66.73%、29.85%減少し、モデル容量が制限された競争速度歪曲性能を示す。
関連論文リスト
- DCVC-MB: Neural B-Frame Video Compression using State Space Models [5.73742794192395]
本稿では,Bフレーム符号化のためのニューラルビデオフレームワークDCVC-MBを提案する。
我々は,DCVC-MBを既存のNVCや従来のコーデックと比較した。
論文 参考訳（メタデータ） (2026-07-15T19:09:24Z) - LRConv-NeRV: Low Rank Convolution for Efficient Neural Video Compression [2.7920304852537527]
提案するLRConv-NeRVは,高密度な3x3畳み込み層を低ランク分離型畳み込みに置き換える,効率的なNeRV変種である。
実験では、LRConvを最終デコーダ段階のみに適用するとデコーダの複雑さが68%減少することを示した。
その結果、LRConv-NeRVは、低精度かつリソース制約の条件下での効率的なニューラルビデオデコーディングの潜在的なアーキテクチャ上の代替品として確立された。
論文 参考訳（メタデータ） (2026-03-18T20:31:59Z) - Enhancing Neural Video Compression of Static Scenes with Positive-Incentive Noise [51.028614105626154]
監視フィードやビデオテレフォニーストリームのような静的なシーンビデオは、ストレージ消費とネットワークトラフィックの圧倒的なシェアを占める。
従来の標準コーデックとニューラルビデオ圧縮(NVC)手法は、時間的冗長性の不十分な使用と、トレーニングデータとテストデータの間の重大な分散ギャップのために、これらのビデオを効率的にエンコードするのに苦労している。
静的シーンビデオのNVCに正のインセンティブノイズを組み込むことを提案し, 短時間の時間変化を正のインセンティブノイズとして再解釈し, モデル微調整を容易にする。
論文 参考訳（メタデータ） (2026-03-06T09:47:25Z) - TeCoNeRV: Leveraging Temporal Coherence for Compressible Neural Representations for Videos [51.99176811574457]
Inlicit Neural Representations (INRs) は、最近ビデオ圧縮における印象的な性能を実証した。
しかし、エンコーディング効率を維持しながら高解像度ビデオへのスケーリングは依然として大きな課題である。
3つの重要なコントリビューションを通じて、これらの基本的な制限に対処します。
我々は,UVG,HEVC,MCL-JCVで480p,720p,1080pで実験を行った最初のハイパーネットワークアプローチである。
論文 参考訳（メタデータ） (2026-02-18T18:59:55Z) - Rethinking Diffusion Model-Based Video Super-Resolution: Leveraging Dense Guidance from Aligned Features [51.5076190312734]
ビデオ超解法アプローチは、エラーの蓄積、空間的アーティファクト、知覚的品質と忠実さのトレードオフに悩まされる。
ビデオ超解像(DGAF-VSR)に適した特徴を持つ新しい誘導拡散モデルを提案する。
合成および実世界のデータセットの実験では、DGAF-VSRがVSRの重要な側面において最先端の手法を超越していることが示されている。
論文 参考訳（メタデータ） (2025-11-21T03:40:45Z) - Neural Video Compression with Context Modulation [9.875413481663742]
本稿では、時間的文脈を基準フレームで2段階に調整することで、制限に対処する。
従来の H.266/VVC よりも平均 22.7% の削減を実現し,従来の NVC DCVC-FM よりも平均 10.1% の削減を実現した。
論文 参考訳（メタデータ） (2025-05-20T15:57:09Z) - VRVVC: Variable-Rate NeRF-Based Volumetric Video Compression [59.14355576912495]
NeRFベースのビデオは、FVV(Photorealistic Free-Viewpoint Video)体験を提供することによって、ビジュアルメディアに革命をもたらした。
大量のデータボリュームは、ストレージと送信に重大な課題をもたらす。
ビデオ圧縮のための新しいエンドツーエンドの可変レートフレームワークであるVRVVCを提案する。
論文 参考訳（メタデータ） (2024-12-16T01:28:04Z) - Improved Video VAE for Latent Video Diffusion Model [55.818110540710215]
ビデオオートエンコーダ(VAE)は、ピクセルデータを低次元の潜在空間に圧縮することを目的としており、OpenAIのSoraで重要な役割を果たしている。
既存のVAEのほとんどは、時間空間圧縮のために3次元因果構造に事前訓練された画像VAEを注入する。
ビデオVAE(IV-VAE)をさらに改善するための新しいKTCアーキテクチャとGCConvモジュールを提案する。
論文 参考訳（メタデータ） (2024-11-10T12:43:38Z) - Spatial-Temporal Transformer based Video Compression Framework [44.723459144708286]
本稿では,STT-VC(Spatial-Temporal Transformer based Video Compression)フレームワークを提案する。
動作推定と補償のためのオフセット推定のためのUformerベースのオフセット推定を備えたRelaxed Deformable Transformer (RDT)と、予測改善のためのマルチ参照フレームに基づくMulti-Granularity Prediction (MGP)モジュールと、時間空間的継手残留圧縮を効率的に行うSpatial Feature Distribution prior based Transformer (SFD-T)を含む。
実験の結果,VTMよりも13.5%のBD-Rateを節約できることがわかった。
論文 参考訳（メタデータ） (2023-09-21T09:23:13Z) - Scalable Neural Video Representations with Learnable Positional Features [73.51591757726493]
我々は,学習可能な位置特徴(NVP)を用いて,映像を潜時符号として効果的に再生するニューラル表現の訓練方法を示す。
一般的なUVGベンチマークにおけるNVPの優位性を実証し,先行技術と比較して,NVPは2倍の速度(5分以内)で走行するだけでなく,符号化品質も34.07rightarrow$34.57(PSNR測定値で測定)に上回っている。
論文 参考訳（メタデータ） (2022-10-13T08:15:08Z) - Neural Video Coding using Multiscale Motion Compensation and
Spatiotemporal Context Model [45.46660511313426]
エンド・ツー・エンドのディープ・ニューラル・ビデオ・コーディング・フレームワーク(NVC)を提案する。
フレーム内画素、フレーム間運動、フレーム間補償残差の相関を利用するために、共同空間および時間的事前集約(PA)を備えた可変オートエンコーダ(VAE)を使用する。
NVCは低遅延因果条件で評価され、H.265/HEVC、H.264/AVC、その他の学習ビデオ圧縮法と比較される。
論文 参考訳（メタデータ） (2020-07-09T06:15:17Z)
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。