論文の概要: H-DDCM: Hadamard Codebooks for Fast Generative Image and Video Compression

• arxiv url: http://arxiv.org/abs/2610.18125v1
• Date: Tue, 13 Oct 2026 10:36:58 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-15 21:06:15.59264
• Title: H-DDCM: Hadamard Codebooks for Fast Generative Image and Video Compression
• Title（参考訳）: H-DDCM:Adamard Codebooks for Fast Generative Image and Video Compression
• Abstract要約: 本稿では,ガウスのコードブックを暗黙のランダムなアダマール辞書に置き換えるスケーラブルな生成圧縮フレームワークであるH-DDCMを紹介する。 H-DDCMは、コードブックベースのトレーニング不要な生成圧縮のメモリおよび計算オーバーヘッドを大幅に低減しつつ、競合速度歪み性能を達成する。
• 参考スコア（独自算出の注目度）: 37.12178941086993
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Training-free diffusion-based compression methods repurpose the generative priors of a diffusion or a flow model to compress data without retraining them as task-specific codecs. Recent codebook-based approaches such as Turbo-DDCM achieve strong perceptual quality at ultra-low bitrates, but their reliance on dense Gaussian codebooks remains costly in both memory and computation, and scales poorly with the large latent dimensions of modern image and video generators. Their combinatorial bitstream encoding further becomes computationally heavy at this scale. We introduce H-DDCM, a scalable generative compression framework that replaces Gaussian codebooks with implicit randomized Hadamard dictionaries. The fast Walsh-Hadamard transform allows for implicitly synthesizing full-dimensional dictionaries with $O(d \log d)$ compute for projection and reconstruction and $O(d)$ memory, without materializing the full-dimensional dictionary. We further introduce an efficient table-free lexicographic coding scheme that makes combinatorial encoding practical at larger dimensions. Beyond images, we adapt the framework to an autoregressive video flow model and develop a streaming compression scheme that periodically re-encodes recently reconstructed frames into a fresh KV-cache prefix, preserving temporal context across segments at no additional transmitted bits. This enables long-form, close to real-time generative video compression on a single GPU. Across image and video benchmarks, H-DDCM achieves competitive rate-distortion-perception performance while substantially reducing the memory and computational overhead of codebook-based training-free generative compression.
• Abstract（参考訳）: トレーニング不要な拡散に基づく圧縮手法は、拡散やフローモデルの生成先行を、タスク固有のコーデックとして再訓練することなく、データを圧縮するために再利用する。 最近のTurbo-DDCMのようなコードブックベースのアプローチは、超低ビットレートで強い知覚品質を実現するが、高密度のガウス符号ブックへの依存は、メモリと計算の両方でコストがかかり、現代の画像およびビデオ生成装置の大きな潜時次元に劣る。 彼らの組合せビットストリームエンコーディングは、この規模で計算的に重くなる。 本稿では,ガウスのコードブックを暗黙のランダムなアダマール辞書に置き換えるスケーラブルな生成圧縮フレームワークであるH-DDCMを紹介する。 高速ウォルシュ・アダマール変換は、全次元辞書を具体化せずに、投影と再構成のための$O(d \log d)$計算と$O(d)$メモリで暗黙的に合成することができる。 さらに,より広い次元で組合せ符号化を実践する効率的なテーブルフリー辞書符号化方式を提案する。 画像以外にも、このフレームワークを自己回帰ビデオフローモデルに適応させ、最近再構築されたフレームを新しいKV-cacheプレフィックスに定期的にエンコードし、追加の送信ビットを持たないセグメント間の時間的コンテキストを保存するストリーミング圧縮スキームを開発する。 これにより、1つのGPU上で、リアルタイムな生成ビデオ圧縮に近い長めのフォーマットが可能になる。 画像とビデオのベンチマークを通じて、H-DDCMは、コードブックベースのトレーニング不要な生成圧縮のメモリと計算オーバーヘッドを大幅に低減しつつ、競合速度歪み知覚性能を達成する。

関連論文リスト

• Rethinking Video Token Compression with a Global Codebook: Learning Once, Compressing Everywhere [5.7189025167000205]
  ビデオ大言語モデル (Video-LLMs) は、映像を視覚トークンの高密度なシーケンスとして表現し、その長さは入力の時間的および空間的範囲で増大する。 既存のトークン圧縮手法(プルーニングやマージなど)は、推論中にオンラインで圧縮を行う。 オフラインからオンラインへのパラダイムを導入するプラグインビデオトークン圧縮フレームワークである textbfONCE を提案する。
  論文  参考訳（メタデータ） (2026-08-02T14:24:13Z)
• ZeroGVC: Zero-Shot Generative Video Compression with Autoregressive Diffusion Priors [52.50325804778549]
  我々はゼロショット生成ビデオ圧縮フレームワークZeroGVCを提案する。 ZeroGVCは、画像群(GOP)の最初のフレームを符号化し、Codebook-Guided Autoregressive Latent Compressionを通じてその後のPフレームを表現する。 標準ビデオ圧縮ベンチマークの実験では、ZeroGVCは、追加のトレーニングを伴わずに、超低速度での知覚的再構成品質が優れたことを実証している。
  論文  参考訳（メタデータ） (2026-06-21T07:46:14Z)
• ProGVC: Progressive-based Generative Video Compression via Auto-Regressive Context Modeling [10.843021248963305]
  本稿では,プログレッシブ・トランスミッション,効率的なエントロピー・コーディング,ディテール・シンセサイザーを統一したプログレッシブ・ベース・ジェネレーティブ・ビデオ圧縮フレームワークを提案する。 ProGVCは、ビデオを階層的なマルチスケールの残留トークンマップにエンコードし、粗いサブセットをプログレッシブな方法で送信することで、フレキシブルなレート適応を可能にする。
  論文  参考訳（メタデータ） (2026-03-18T09:51:39Z)
• ProGIC: Progressive and Lightweight Generative Image Compression with Residual Vector Quantization [59.481950697968706]
  残留ベクトル量子化(RVQ)に基づくコンパクトなプログレッシブ生成画像圧縮(ProGIC)を提案する。 RVQでは、ベクトル量子化器の列がステージごとに残余を符号化し、それぞれが独自のコードブックを持つ。 これを奥行き分離可能な畳み込みと小さな注意ブロックに基づく軽量なバックボーンと組み合わせることで、GPUとCPUのみのデバイスに実用的なデプロイを可能にします。
  論文  参考訳（メタデータ） (2026-03-03T11:47:05Z)
• Low-complexity Deep Video Compression with A Distributed Coding Architecture [4.5885672744218]
  一般的な予測符号化に基づくビデオ圧縮手法は、時間的冗長性を低減するために重エンコーダに依存している。 従来の分散コーディング手法は、予測的コーディングとはかなりのパフォーマンスギャップに悩まされている。 本稿では,レート歪み特性を改善するために,最初のエンドツーエンドの分散ビデオ圧縮フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-03-21T05:34:04Z)
• Conditional Entropy Coding for Efficient Video Compression [82.35389813794372]
  本稿では,フレーム間の条件エントロピーをモデル化することのみに焦点を当てた,非常にシンプルで効率的なビデオ圧縮フレームワークを提案する。 まず、画像遅延符号間のエントロピーをモデル化する単純なアーキテクチャが、他のニューラルビデオ圧縮やビデオコーデックと同等の競争力を持つことを示す。 次に、このアーキテクチャの上に新しい内部学習拡張を提案し、復号速度を抑えることなく10%の節約を実現した。
  論文  参考訳（メタデータ） (2020-08-20T20:01:59Z)
• Content Adaptive and Error Propagation Aware Deep Video Compression [110.31693187153084]
  本稿では,コンテンツ適応型・誤り伝搬対応型ビデオ圧縮システムを提案する。 本手法では, 複数フレームの圧縮性能を1フレームではなく複数フレームで考慮し, 共同学習手法を用いる。 従来の圧縮システムでは手作りのコーディングモードを使用する代わりに,オンラインエンコーダ更新方式をシステム内に設計する。
  論文  参考訳（メタデータ） (2020-03-25T09:04:24Z)
• A Unified End-to-End Framework for Efficient Deep Image Compression [35.156677716140635]
  本稿では,3つの新しい技術に基づくEDIC(Efficient Deep Image Compression)という統合フレームワークを提案する。 具体的には、学習に基づく画像圧縮のためのオートエンコーダスタイルのネットワークを設計する。 EDIC法は,映像圧縮性能を向上させるために,Deep Video Compression (DVC) フレームワークに容易に組み込むことができる。
  論文  参考訳（メタデータ） (2020-02-09T14:21:08Z)

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。