論文の概要: Neural Video Coding under Limited Delay: Theoretical Optimality and System Design

• arxiv url: http://arxiv.org/abs/2610.25729v1
• Date: Mon, 19 Oct 2026 03:31:53 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-24 11:58:54.550107
• Title: Neural Video Coding under Limited Delay: Theoretical Optimality and System Design
• Title（参考訳）: 限定遅延下のニューラルビデオ符号化:理論的最適性とシステム設計
• Abstract要約: Graph-Factored Sequential Coding (GFSC) は、遅延時間を制限するシーケンシャルビデオ符号化のためのフレームワークである。 GFSCは、対応する因果関係に対する速度歪み性能を一貫して改善する。 一致した遅延予算の下では、GFSCは代表的双方向コーデックと比較して競争性能も向上する。
• 参考スコア（独自算出の注目度）: 19.771803053294413
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Traditional neural video compression (NVC) methods predominantly follow strictly causal predictive-coding paradigm, treating zero-frame delay as a fixed constraint rather than delay as an explicit design parameter. From an information-theoretic perspective, allowing limited frame delay enables a codec to exploit correlations with future frames within the delay window, thereby reducing uncertainty that is inaccessible to strictly causal prediction and potentially improving the rate-distortion tradeoff. In this work, we formalize this intuition through a rigorous rate-distortion analysis builds on the clique factorization of Markov networks, and propose Graph-Factored Sequential Coding (GFSC), a principled framework for sequential video coding under limited delay. To our knowledge, we provide the first theoretical result showing that, for general $K$-order Markov sources with positive distributions, a $K$-frame delay is sufficient to attain joint-coding rate-distortion optimality over a nontrivial distortion region, a guarantee unavailable to zero-delay causal coding in general. In practice, we instantiate GFSC through lightweight neural modules, allowing existing causal predictive codecs to be augmented without modifying their core architectures. Experiments across multiple NVC models and datasets show that GFSC consistently improves rate-distortion performance over the corresponding causal counterparts. Under matched delay budgets, GFSC also achieves competitive performance compared with representative bidirectional codecs.
• Abstract（参考訳）: 従来のニューラルビデオ圧縮(NVC)法は、主に厳密に因果予測コーディングのパラダイムに従っており、ゼロフレーム遅延を明示的な設計パラメータとしてではなく固定的な制約として扱う。 情報理論の観点からは、限られたフレーム遅延を許容することにより、コーデックは遅延ウィンドウ内の将来のフレームとの相関を利用して、厳密な因果予測に到達できない不確実性を低減し、レート歪みトレードオフを改善することができる。 本研究では,マルコフネットワークの傾き分解に基づく厳密な速度歪み解析により,この直観を定式化し,限定遅延下での逐次ビデオ符号化の原理的フレームワークであるグラフファクトリシーケンス符号化(GFSC)を提案する。 我々の知る限り、一般の$K$オーダーマルコフ情報源に対して、非自明な歪み領域における共同符号化速度歪みの最適性を達成するのに、K$フレーム遅延は十分であり、一般にゼロ遅延因果符号化では不可能であることを示す最初の理論的結果を提供する。 実際に、我々はGFSCを軽量なニューラルネットワークモジュールを通してインスタンス化し、コアアーキテクチャを変更することなく既存の因果予測コーデックを拡張できるようにします。 複数のNVCモデルとデータセットにまたがる実験により、GFSCは対応する因果関係に対する速度歪み性能を一貫して改善することが示された。 一致した遅延予算の下では、GFSCは代表的双方向コーデックと比較して競争性能も向上する。

関連論文リスト

• Proof of a finite threshold for the union-find decoder [0.9558392439655014]
  本稿では,回路レベルの局所誤差モデルに基づく表面符号上でのUnion-find(UF)デコーダに対する有限しきい値の証明を行う。 また,より単純なデコーダであるgreedyデコーダの有限しきい値が得られることを示す。 これらの結果は、フォールトトレラント量子コンピュータの開発において、UFベースのデコーダを実用化するための確かな理論基盤を提供する。
  論文  参考訳（メタデータ） (2026-02-23T19:00:00Z)
• Content Adaptive based Motion Alignment Framework for Learned Video Compression [72.13599533975413]
  本稿では,コンテンツ適応型モーションアライメントフレームワークを提案する。 まず、粗いオフセット予測とマスク変調により動き補償を洗練させる2段階の流動誘導変形防止機構を導入する。 第2に,基準品質に基づいて歪み重みを調整するマルチ参照品質認識戦略を提案する。 第3に,スムーズな動き推定を得るために,フレームを大きさと解像度でダウンサンプルするトレーニングフリーモジュールを統合する。
  論文  参考訳（メタデータ） (2025-12-15T02:51:47Z)
• R-Stitch: Dynamic Trajectory Stitching for Efficient Reasoning [80.104336426172]
  CoT(Chain-of- Thought)は、大規模言語モデルの問題解決能力を高める。 CoTは長い自己回帰軌道のためにかなりの推論コストを発生させる。 トレーニング不要なハイブリッドデコーディングフレームワークであるR-Stitchを紹介する。
  論文  参考訳（メタデータ） (2025-07-23T08:14:36Z)
• A Theoretical Perspective for Speculative Decoding Algorithm [60.79447486066416]
  EmphSpeculative Decodingは、小さなモデルを使用して、ドラフトトークンのシーケンスと、検証のための大きなモデルをサンプリングする。 本稿では,マルコフ連鎖抽象化による復号化問題を概念化し,理論的な観点から,鍵特性,エファンアウトプットの品質,推論加速度について考察する。
  論文  参考訳（メタデータ） (2024-10-30T01:53:04Z)
• Boosting Neural Representations for Videos with a Conditional Decoder [28.073607937396552]
  Inlicit Neural representations (INRs) は、ビデオストレージと処理において有望なアプローチとして登場した。 本稿では,現在の暗黙的ビデオ表現手法のための普遍的なブースティングフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-02-28T08:32:19Z)
• AccDecoder: Accelerated Decoding for Neural-enhanced Video Analytics [26.012783785622073]
  低画質のビデオは、品質の悪いカメラや、過度に圧縮/切断されたビデオストリーミングプロトコルのために、既存の監視システムによって収集される。 AccDecoderは、リアルタイムおよびニューラルネットワークベースのビデオ分析のための新しいアクセラレーションデコーダである。
  論文  参考訳（メタデータ） (2023-01-20T16:30:44Z)
• Denoising Diffusion Error Correction Codes [92.10654749898927]
  近年、ニューラルデコーダは古典的デコーダ技術に対する優位性を実証している。 最近の最先端のニューラルデコーダは複雑で、多くのレガシデコーダの重要な反復的スキームが欠如している。 本稿では,任意のブロック長の線形符号のソフトデコードにデノナイズ拡散モデルを適用することを提案する。
  論文  参考訳（メタデータ） (2022-09-16T11:00:50Z)
• Infomax Neural Joint Source-Channel Coding via Adversarial Bit Flip [41.28049430114734]
  本稿では、ニューラルジョイント・ソース・チャネル符号化方式の安定性と堅牢性を改善するために、Infomax Adversarial-Bit-Flip (IABF) と呼ばれる新しい正規化手法を提案する。 我々のIABFは、圧縮と誤り訂正のベンチマークの両方で最先端のパフォーマンスを達成でき、ベースラインをかなりの差で上回ることができる。
  論文  参考訳（メタデータ） (2020-04-03T10:00:02Z)

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。