論文の概要: Recasting DiT for Extreme Image Compression with Hierarchical Visual Priors
- arxiv url: http://arxiv.org/abs/2610.18607v1
- Date: Tue, 13 Oct 2026 15:58:40 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-16 20:31:22.442553
- Title: Recasting DiT for Extreme Image Compression with Hierarchical Visual Priors
- Title（参考訳）: 階層的視覚優先による極端画像圧縮のためのDiTのリキャスト
- Abstract要約: 本稿では,Diffusion Transformer (DiT) をビットストリーム1ステップ生成デコーダとして再放送する PrismCodec を提案する。
Kodak、CLIC、DIV2Kの他、PrismCodecは、以前の生成コーデックよりも高いレートパーセプション性能を一貫して改善している。
- 参考スコア（独自算出の注目度）: 33.50821323033812
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Pretrained diffusion models provide powerful generative priors for extreme image compression, but their stochastic, iterative generation processes are not designed to decode compressed representations directly. We present PrismCodec, which recasts a pretrained Diffusion Transformer (DiT) as a bitstream-grounded one-step generative decoder. PrismCodec uses the decoded representation in two complementary roles: a projected codec state defines the starting state for generation, while hierarchical visual priors derived from the same decoded latent provide semantic and structural guidance. To bridge the gap between stochastic, iterative generation and deterministic one-step decoding, we develop a progressive adaptation strategy. We first learn codec-conditioned transport from a noisy neighborhood centered on the codec state, distill it into a one-step mapping, and finally anneal the source perturbation to zero during end-to-end optimization. The resulting decoder reconstructs deterministically from the received representation without additional conditioning bits. Across Kodak, CLIC, and DIV2K, PrismCodec consistently improves rate-perception performance over prior generative codecs, achieving BD-rate reductions of 70-75% in LPIPS and 75-81% in DISTS over StableCodec. Code will be released upon acceptance.
- Abstract（参考訳）: 事前訓練された拡散モデルは、極端な画像圧縮のための強力な生成先行を提供するが、その確率的で反復的な生成プロセスは、圧縮された表現を直接デコードするように設計されていない。
本稿では,Diffusion Transformer (DiT) をビットストリーム1ステップ生成デコーダとして再放送する PrismCodec を提案する。
PrismCodecはデコードされた表現を2つの補完的な役割で使用する: 投影されたコーデック状態は生成の開始状態を定義する。
確率的,反復的生成,決定論的一段階復号化のギャップを埋めるため,段階的適応戦略を開発する。
まず,コーデック状態を中心とする雑音の多い地区からコーデック条件付き輸送を学習し,それを1ステップの写像に蒸留し,最終的にエンドツーエンドの最適化においてソースの摂動をゼロにする。
結果としてデコーダは、追加の条件ビットなしで受信した表現から決定的に再構成する。
Kodak、CLIC、DIV2Kの他、PrismCodecは、以前の生成コーデックよりも率知覚性能を継続的に改善し、LPIPSで70-75%、StableCodec上では75-81%のBDレートの削減を実現している。
コードは受理時にリリースされる。
関連論文リスト
- 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) - Adaptive Fused Prior Transfer for Controllable Generative Image Compression [10.733481328643235]
本稿では,制御可能な生成画像圧縮のための適応的融合優先転送を提案する。
これは、凍結した事前訓練されたAdaCodeモデルから、適応的な融合を前もって転送する制御可能な転送である。
デコーダのレイテンシを18.1%削減し、全体のパラメータをDCVICと比較して31.10万 (20.5%)削減する。
論文 参考訳（メタデータ） (2026-05-16T05:18:50Z) - Next-Frame Decoding for Ultra-Low-Bitrate Image Compression with Video Diffusion Priors [30.653078447499894]
超低ビットレート画像圧縮(ULB-IC)のための新しいパラダイムを提案する。
我々はデコード中の明示的な中間状態(コンパクトアンカーフレーム)を定義する。
次に、生成復号化を、このアンカーから最終的な再構成画像への仮想時間遷移として再解釈する。
論文 参考訳（メタデータ） (2026-03-16T11:24:26Z) - StableCodec: Taming One-Step Diffusion for Extreme Image Compression [19.69733852050049]
拡散に基づく画像圧縮は、高いリアリズムで超低符号化(1ピクセルあたり0.05ビット未満)を達成するという驚くべき可能性を示している。
現在のアプローチでは、極端な制約の下で現実的な結果を生成するために、デコーダの多数のデノナイズステップが必要となる。
本稿では,高忠実度・高現実性画像圧縮のための一段階拡散を可能にするStableCodecを紹介する。
論文 参考訳（メタデータ） (2025-06-27T07:39:21Z) - One-Step Diffusion-Based Image Compression with Semantic Distillation [25.910952778218146]
OneDCは1ステップ拡散に基づく生成画像コーデックである。
OneDCは、ワンステップ生成でも知覚品質を達成する。
論文 参考訳（メタデータ） (2025-05-22T13:54:09Z) - Epsilon-VAE: Denoising as Visual Decoding [61.29255979767292]
復号化は1段階の再構成から反復的改良へと移行する。
具体的には、デコーダを拡散処理に置き換え、ノイズを反復的に改善して元の画像を復元する。
拡散による反復的再構成により, 自己エンコーダであるEpsilon-VAEは高い再構成品質を実現する。
論文 参考訳（メタデータ） (2024-10-05T08:27:53Z) - Compression-Realized Deep Structural Network for Video Quality Enhancement [78.13020206633524]
本稿では,圧縮ビデオの品質向上の課題に焦点をあてる。
既存の手法のほとんどは、圧縮コーデック内での事前処理を最適に活用するための構造設計を欠いている。
新しいパラダイムは、より意識的な品質向上プロセスのために緊急に必要である。
論文 参考訳（メタデータ） (2024-05-10T09:18:17Z)
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。