論文の概要: BridgeCodec: Mamba Enhanced Neural Audio Codec with Schrödinger Bridge at Low Bitrate

• arxiv url: http://arxiv.org/abs/2610.15453v1
• Date: Sun, 11 Oct 2026 08:54:53 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-15 21:06:15.213884
• Title: BridgeCodec: Mamba Enhanced Neural Audio Codec with Schrödinger Bridge at Low Bitrate
• Title（参考訳）: BridgeCodec: Schrödinger Bridgeを低ビットレートで使用したMamba拡張ニューラルオーディオコーデック
• Abstract要約: BridgeCodecは、エンコーダデコーダペアを分離する多用途フレームワークである。 軽量8kHzのソースエンコーダを48kHzのターゲットデコーダに直接、超低ボトルネックでマッピングする。
• 参考スコア（独自算出の注目度）: 16.75309265794246
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Neural audio codecs achieve remarkable performance but operate as closed ecosystems with rigidly co-trained encoderdecoder pairs, severely hindering interoperability. To resolve this, we propose BridgeCodec, a versatile framework that decouples these pairs by translating latent representations between mismatched, frozen endpoints. We formulate this cross-codec translation as a Schrödinger Bridge optimal transport problem, enabling robust mapping between disparate distributions without predefined noise priors. To efficiently capture longrange speech temporal dependencies, we integrate a Mambaenhanced U-Net architecture. We validate BridgeCodec on an extreme deployment scenario: mapping a lightweight 8 kHz source encoder directly to a 48 kHz target decoder at an ultralow bitrate of 1 kbps. Experimental results demonstrate that BridgeCodec achieves superior wideband reconstruction and high perceptual quality, successfully bridging heavily bottlenecked, heterogeneous codecs.
• Abstract（参考訳）: ニューラルオーディオコーデックは優れたパフォーマンスを実現するが、厳密に訓練されたエンコーダデコーダペアを備えたクローズドエコシステムとして機能し、相互運用性を著しく妨げている。 これを解決するためにBridgeCodecを提案する。BridgeCodecは、不一致で凍結されたエンドポイント間で遅延表現を翻訳することで、これらのペアを分離する汎用フレームワークである。 我々は、このクロスコーデック変換をシュレーディンガーブリッジの最適輸送問題として定式化し、事前定義された雑音前処理なしで異なる分布間のロバストマッピングを可能にする。 長距離音声の時間的依存関係を効率よく捉えるために,Mambaenhanced U-Netアーキテクチャを統合する。 軽量8kHzのソースエンコーダを直接48kHzのターゲットデコーダに1kbpsの超低ビットレートでマッピングする。 実験結果から,BridgeCodecは優れた広帯域再構成を実現し,高い知覚品質を実現し,ボトルネックに富んだヘテロジニアスコーデックのブリッジ化に成功した。

関連論文リスト

• FocalCodec-Stream: Streaming Low-Bitrate Speech Coding via Causal Distillation [27.32235541083431]
  FocalCodec-Streamは、音声を1つのバイナリコードブックに0.55から0.80kbpsで圧縮し、理論的な遅延は80msである。 実験によると、FocalCodec-Streamは既存のストリーム可能なコーデックを同等の性能で上回っている。
  論文  参考訳（メタデータ） (2025-09-19T17:57:13Z)
• Finite Scalar Quantization Enables Redundant and Transmission-Robust Neural Audio Compression at Low Bit-rates [1.445167946386569]
  我々は,Finite Scalar Quantization (FSQ) が,ノイズチャネルを介して伝送されるときにロバストな符号化を生成する,焼き込み冗長性を符号化していることを示す。 ノイズチャネルによるコードシーケンスの伝送をシミュレートする際の RVQ と FSQ コーデックの性能を比較することにより,FSQ のビットレベルの摂動が極めて優れていることを示す。
  論文  参考訳（メタデータ） (2025-09-11T15:39:59Z)
• SecoustiCodec: Cross-Modal Aligned Streaming Single-Codecbook Speech Codec [83.61175662066364]
  音声コーデックは、音声とテキスト言語モデルを統一するための重要なブリッジとして機能する。 既存の手法はセマンティックエンコーディングにおいていくつかの課題に直面している。 本稿では,クロスモーダルな低ビットレートストリーミング音声コーデックSecoustiCodecを提案する。
  論文  参考訳（メタデータ） (2025-08-04T19:22:14Z)
• SIEDD: Shared-Implicit Encoder with Discrete Decoders [36.705337163276255]
  Inlicit Neural Representations (INR)は、ビデオごとの最適化機能を学ぶことによって、ビデオ圧縮に例外的な忠実度を提供する。 既存のINRエンコーディングの高速化の試みは、しばしば再建品質や重要な座標レベルの制御を犠牲にしている。 これらの妥協なしにINRエンコーディングを根本的に高速化する新しいアーキテクチャであるSIEDDを紹介する。
  論文  参考訳（メタデータ） (2025-06-29T19:39:43Z)
• Towards Generalized Source Tracing for Codec-Based Deepfake Speech [52.68106957822706]
  本稿では,意味的特徴符号化にWhisperを,音響的特徴符号化にAudioMAEにWav2vec2を併用したSemantic-Acoustic Source Tracing Network(SASTNet)を紹介する。 提案したSASTNetは,CodecFake+データセットのCoSGテストセット上での最先端性能を実現し,信頼性の高いソーストレースの有効性を実証する。
  論文  参考訳（メタデータ） (2025-06-08T21:36:10Z)
• BridgeTower: Building Bridges Between Encoders in Vision-Language Representation Learning [91.93547262073213]
  近年,2towerアーキテクチャを用いた視覚言語モデル(VL)が視覚表現学習を支配している。 そこで,BridgeTowerを提案する。このBridgeTowerは,ユニモーダルエンコーダの上位層とクロスモーダルエンコーダの各層との間の接続を構築する複数のブリッジ層を提供する。 BridgeTowerは78.73%の精度を達成し、以前の最先端モデルであるMETERを1.09%上回った。
  論文  参考訳（メタデータ） (2022-06-17T09:42:35Z)
• SoundStream: An End-to-End Neural Audio Codec [78.94923131038682]
  本稿では,音声,音楽,一般音声を効率よく圧縮できる新しいニューラルオーディオシステムSoundStreamを紹介する。 SoundStreamは完全な畳み込みエンコーダ/デコーダネットワークと残留ベクトル量子化器に頼っている。 エンコーダまたはデコーダ側で、追加のレイテンシなしで、共同圧縮と拡張を行うことができます。
  論文  参考訳（メタデータ） (2021-07-07T15:45:42Z)

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。