論文の概要: High-Throughput Generative Video Super-Resolution on a Single Consumer GPU

• arxiv url: http://arxiv.org/abs/2610.13179v1
• Date: Fri, 09 Oct 2026 08:06:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-13 04:06:29.464895
• Title: High-Throughput Generative Video Super-Resolution on a Single Consumer GPU
• Title（参考訳）: 単一消費型GPUにおける高出力ビデオ超解像
• Abstract要約: エンド・ツー・エンドのトレーニングなしで単一のハイエンド・コンシューマ上での実用的なHD生成型VSR。 予め訓練されたコンポーネントから構築されたゼロショットフレームワークを提示する。 提案するフレームワークは,NVIDIA 4090 GPUのインターリーブ推論の下で,最大32FPSの720p解像度に達することを示す。
• 参考スコア（独自算出の注目度）: 4.39160562548524
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Generative video super-resolution (VSR) can recover visually compelling high-frequency detail by leveraging diffusion priors, but iterative sampling and heavy spatio-temporal coupling make practical deployments difficult. We study a different operating point: practical HD generative VSR on a single high-end consumer GPU without end-to-end retraining. To this end, we present a zero-shot framework built entirely from pretrained components. The proposed system decouples spatial enhancement from temporal stabilization. A time-distilled one-step diffusion backbone handles spatial upscaling, while temporal coherence is promoted by a lightweight pretrained flow-based interpolator that synthesizes intermediate frames between super-resolved keyframes. To further improve scalability, we introduce a resolution-aware hybrid attention scheme that, in a zero-shot manner, replaces selected high-resolution global-attention layers with neighborhood attention while preserving global attention in semantically critical low-resolution layers, while also improving temporal consistency. Experiments show that the proposed framework reaches up to ~32 FPS at 720p resolution under interleaved inference on a single NVIDIA RTX 4090. At 4K, the proposed attention substitution can yield up to a 44% speedup over the original attention implementation. Across standard VSR benchmarks, the method consistently shifts the speed-quality trade-off decisively toward runtime efficiency, trading reconstruction fidelity for strong no-reference perceptual quality, while remaining reasonably competitive against generative approaches in temporal consistency. It also exposes clear limitations in handling more challenging motion, which a simple motion gate partially mitigates. Code will be released upon acceptance.
• Abstract（参考訳）: 生成型ビデオ超解像(VSR)は拡散先行値を利用して視覚的に魅力的な高頻度細部を復元することができるが,繰り返しサンプリングと高頻度時空間結合は実用的な展開を困難にしている。 エンド・ツー・エンドのリトレーニングを伴わない、単一のハイエンドGPU上での実用的なHD生成型VSRについて検討する。 この目的のために、事前訓練されたコンポーネントから完全に構築されたゼロショットフレームワークを提案する。 提案システムは時間的安定化から空間的拡張を分離する。 時間分割した1ステップ拡散バックボーンは空間的アップスケーリングを処理し、時間的コヒーレンスは、超解解鍵フレーム間の中間フレームを合成する軽量な事前学習フローベース補間器によって促進される。 拡張性をさらに向上するため、ゼロショット方式で選択された高解像度のグローバルアテンション層を近隣のアテンションに置き換えるとともに、セマンティックにクリティカルな低解像度層のグローバルアテンションを保ちながら、時間的整合性も向上するハイアテンション・アテンション・アテンション・アテンション・アテンション・スキームを導入する。 実験により、提案フレームワークは、NVIDIA RTX 4090のインターリーブ推論の下で、720p解像度で最大32FPSに達することが示された。 4Kでは、提案されたアテンション置換は、本来のアテンション実装よりも最大44%スピードアップできる。 標準のVSRベンチマークを通して、この手法は、速度品質のトレードオフを決定的に実行効率にシフトし、強い非参照の知覚品質の再現忠実度を取引する一方で、時間的整合性における生成的アプローチに対して合理的に競合する。 さらに、単純なモーションゲートが部分的に緩和する、より困難なモーションを扱う際の明確な制限も公開している。 コードは受理時にリリースされる。

関連論文リスト

• Streaming-Aware Diffusion for Real-Time Video Super-Resolution via Cross-Step Attention [4.529111868161881]
  リアルタイムビデオの超解像には、厳密なレイテンシ制約の下での時間的忠実さが要求される。 本稿では,事前学習した単一画像の遅延拡散モデルを適用し,効率的なビデオ超解像を実現するためのストリーミング対応フレームワークを提案する。 本手法は冷間開始後の512倍の解像度で40FPS以上を達成し,時空間モデリングを伴わないリアルタイムVSRを実現する。
  論文  参考訳（メタデータ） (2026-10-08T11:35:09Z)
• RhymeFlow: Training-Free Acceleration for Video Generation with Asynchronous Denoising Flow Scheduling [51.279397568734424]
  Diffusion Transformers (DiTs) に基づく映像生成モデルは,映像合成において顕著な性能を発揮している。 DiTは3次元の注意の二次的な複雑さのために、高い推論遅延と計算コストに悩まされる。 我々はbftextRhymeFlowを紹介した。bftextRhymeFlowはトレーニング不要のフレームワークで、異なるフレームの認知軌道を分離する。
  論文  参考訳（メタデータ） (2026-06-04T15:49:37Z)
• GS-STVSR: Ultra-Efficient Continuous Spatio-Temporal Video Super-Resolution via 2D Gaussian Splatting [71.12303582606019]
  Continuous Video Super-Resolution (C-STVSR) は、任意のスケールファクタによる動画の空間的・フレーム的レートの同時向上を目的としている。 2次元ガウシアンティング(2D-GS)に基づく超効率的なC-STVSRフレームワークであるGS-STVSRを提案する。 GS-STVSRは,すべてのベンチマークにおいて最先端の品質を実現していることを示す。
  論文  参考訳（メタデータ） (2026-04-20T10:11:05Z)
• Ride the Wave: Precision-Allocated Sparse Attention for Smooth Video Generation [9.132288507881592]
  ビデオ拡散変換器は高忠実度ビデオ生成に革命をもたらしたが、自己注意の膨大な計算負担に悩まされている。 PASA(Precision-Allocated Sparse Attention)は,高効率かつ時間的にスムーズなビデオ生成を目的としたトレーニングフリーフレームワークである。
  論文  参考訳（メタデータ） (2026-04-14T02:51:52Z)
• Motion-Adaptive Temporal Attention for Lightweight Video Generation with Stable Diffusion [1.9349092719498848]
  凍結安定拡散モデルに基づくパラメータ効率の高いビデオ生成のための動き適応型時間的注意機構を提案する。 カスケード戦略により、UNetトランスフォーマーブロックに軽量な時間的アテンションモジュールを注入する。 我々のアブレーション研究は、ノイズ相関と運動振幅との明確なトレードオフを明らかにし、多様な生成行動に対する実用的な推論時間制御を提供する。
  論文  参考訳（メタデータ） (2026-03-18T06:20:57Z)
• D$^2$-VR: Degradation-Robust and Distilled Video Restoration with Synergistic Optimization Strategy [7.553742541566094]
  時間的アライメントと拡散前処理の統合は ビデオ復元の 変革的パラダイムとして現れました 素晴らしい知覚の質を提供しています 単一画像拡散に基づく低ステップ推論によるビデオ再生フレームワークである textbfD$2$-VR を提案する。
  論文  参考訳（メタデータ） (2026-02-09T08:52:51Z)
• OSDEnhancer: Taming Real-World Space-Time Video Super-Resolution with One-Step Diffusion [64.10689934231165]
  ビデオスーパーレゾリューションモデル(DM)は、ビデオスーパーレゾリューション(VSR)において極めて成功している。 時空ビデオスーパーレゾリューション(STVSR)の可能性は、低解像度から高解像度までのリアルな視覚コンテンツを回復する必要があるが、コヒーレントなダイナミックスでフレームレートを改善する必要がある。 提案するOSDEnhancerは,効率的なワンステップ拡散プロセスにより,実世界のSTVSRを初期化するための最初の手法である。 実験により,提案手法は実世界のシナリオにおいて優れた性能を維持しつつ,最先端の性能を実現することを示す。
  論文  参考訳（メタデータ） (2026-01-28T06:59:55Z)
• Towards Robust and Generalizable Continuous Space-Time Video Super-Resolution with Events [71.2439653098351]
  連続時空ビデオスーパーSTVSRは、高解像度で高フレームのビデオを任意の時間スケールで再構成する能力への関心が高まっている。 EvEnhancerは、イベントストリームにカプセル化された高時間および高ダイナミックレンジのユニークな特性を結合する新しいアプローチである。 提案手法は,OODスケールでの一般化性を維持しつつ,合成および実世界の両方のデータセット上での最先端性能を実現する。
  論文  参考訳（メタデータ） (2025-10-04T15:23:07Z)
• DiTVR: Zero-Shot Diffusion Transformer for Video Restoration [48.97196894658511]
  DiTVRはゼロショットビデオ復元フレームワークで、拡散トランスフォーマーと軌跡を意識した注意と流れ一貫したサンプルを結合する。 我々の注意機構は、光流路に沿ってトークンを整列させ、特に時間力学に最も敏感な重要な層に重点を置いている。 フローガイドされたサンプリング装置は、低周波帯域にのみデータの一貫性を注入し、キャッシュを加速させながら高周波事前保存を行う。
  論文  参考訳（メタデータ） (2025-08-11T09:54:45Z)
• All at Once: Temporally Adaptive Multi-Frame Interpolation with Advanced Motion Modeling [52.425236515695914]
  最先端の手法は、一度に1つのフレームを補間する反復解である。 この研究は、真のマルチフレーム補間子を導入している。 時間領域のピラミッドスタイルのネットワークを使用して、複数フレームのタスクをワンショットで完了する。
  論文  参考訳（メタデータ） (2020-07-23T02:34:39Z)

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。