論文の概要: FastVR: Efficient Streaming Video Restoration with One-Step Diffusion

• arxiv url: http://arxiv.org/abs/2609.36757v1
• Date: Tue, 29 Sep 2026 05:29:12 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-30 21:28:47.211106
• Title: FastVR: Efficient Streaming Video Restoration with One-Step Diffusion
• Title（参考訳）: FastVR: ワンステップ拡散による効率的なストリーミングビデオ再生
• Abstract要約: FastVRは、ワンステップ拡散モデル上に構築されたストリーミングビデオ復元フレームワークである。 1つのH20 GPU上で1080pのビデオを11FPSで処理しながら、強い復元品質と時間的一貫性を提供する。
• 参考スコア（独自算出の注目度）: 10.670956294121837
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Diffusion-based video restoration recovers realistic details, but its practical deployment is limited by two efficiency bottlenecks: costly VAE encoding and decoding, and the quadratic cost of full self-attention in diffusion transformers (DiTs). This paper presents FastVR, a streaming video restoration framework built on a one-step diffusion model, which delivers strong restoration quality and temporal consistency while processing 1080p video at 11 FPS on a single H20 GPU. To improve inference efficiency, FastVR combines a lightweight VAE with chunk-wise causal attention, which substantially reduces the computational cost. During training, it further adopts velocity consistency regularization and continuous trajectory learning, which improve restoration quality. Extensive experiments show that FastVR is more efficient than the evaluated diffusion baselines while achieving state-of-the-art performance on synthetic and real-world benchmarks. We hope that this work supports further progress in the community.
• Abstract（参考訳）: 拡散に基づくビデオ復元は現実的な詳細を回復するが、実際の展開は2つの効率のボトルネックによって制限されている。 本稿では,1つのH20 GPU上で1080pの動画を11FPSで処理しながら,強い復元品質と時間的一貫性を提供する,一段階拡散モデルに基づくストリーミングビデオ復元フレームワークであるFastVRを提案する。 推論効率を向上させるために、FastVRは軽量のVAEとチャンクワイズ因果注意を組み合わせることで、計算コストを大幅に削減する。 トレーニング中は、ベロシティの整合性と継続的な軌道学習を採用し、回復の質を向上させる。 大規模な実験によると、FastVRは評価された拡散ベースラインよりも効率的であり、合成および実世界のベンチマークで最先端のパフォーマンスを達成する。 この作業がコミュニティのさらなる進歩をサポートすることを願っています。

関連論文リスト

• Single-step Diffusion-based Video Coding with Semantic-Temporal Guidance [24.88807532823577]
  本稿では,S2VCを提案する。S2VCは,条件付き符号化フレームワークと効率的な単一ステップ拡散生成器を統合した,単一ステップ拡散に基づくビデオコーデックである。 S2VCは、従来の知覚法よりも平均52.73%の省力で、最先端の知覚品質を提供する。
  論文  参考訳（メタデータ） (2025-12-08T12:05:30Z)
• FlashVSR: Towards Real-Time Diffusion-Based Streaming Video Super-Resolution [61.284842030283464]
  FlashVSRは、リアルタイムVSRに向けた最初の拡散ベースのワンステップストリーミングフレームワークである。 A100 GPUで768x1408ビデオの約17FPSで動作する。 超高解像度に確実にスケールし、従来の1ステップ拡散VSRモデルよりも最大12倍のスピードアップで最先端の性能を達成する。
  論文  参考訳（メタデータ） (2025-10-14T17:25:54Z)
• SeedVR2: One-Step Video Restoration via Diffusion Adversarial Post-Training [82.68200031146299]
  実データに対する対角的VRトレーニングを行うセドVR2と呼ばれる一段階拡散型VRモデルを提案する。 単一ステップで高精細度VRを扱うために、モデルアーキテクチャとトレーニング手順の両方にいくつかの拡張を導入する。
  論文  参考訳（メタデータ） (2025-06-05T17:51:05Z)
• SeedVR: Seeding Infinity in Diffusion Transformer Towards Generic Video Restoration [73.70209718408641]
  SeedVRは、任意の長さと解像度で現実世界のビデオ再生を処理するために設計された拡散トランスフォーマーである。 合成ベンチマークと実世界のベンチマーク、AI生成ビデオで高い競争力を発揮する。
  論文  参考訳（メタデータ） (2025-01-02T16:19:48Z)

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。