論文の概要: A Rate-Distortion Optimized Skip Mode Coding Framework for Neural Video Compression in AVS

• arxiv url: http://arxiv.org/abs/2611.00181v1
• Date: Fri, 30 Oct 2026 15:45:10 GMT
• ステータス: 情報取得中
• システム内更新日: 2026-11-03 19:36:52.751373
• Title: A Rate-Distortion Optimized Skip Mode Coding Framework for Neural Video Compression in AVS
• Title（参考訳）: AVSにおけるニューラルビデオ圧縮のための速度歪み最適化スキップモード符号化フレームワーク
• Abstract要約: スキップモード符号化の速度歪み性能についての調査は不十分である。 速度歪み最適化型スキップモード符号化(RDOSkip)フレームワークを提案する。 RDOSkip は AVS と HEVC データセットでそれぞれ 0.90% と 1.29% のパフォーマンスを改善することができる。
• 参考スコア（独自算出の注目度）: 29.424145322222156
• License:
• Abstract: With the development of deep learning, neural video compression (NVC) is gaining increasing interest and is currently under standardization in the AVS (Audio Video Coding Standard). Skip mode coding, a crucial component in the traditional video compression, is also adopted in AVS NVC. Although the skip mode takes a large portion in encoding the motion and residual features in the NVC, there is a lack of investigation on the rate distortion performance of the skip mode coding. In this paper, we first thoroughly investigate the rate and distortion distribution in the skip mode coding within a spatial frame and under different temporal reference qualities, and demonstrate that distortion distribution changes spatially and temporally. Therefore, a rate-distortion optimized skip mode coding (RDOSkip) framework is proposed, where the rate and distortion in the skip mode coding is formulated based on a statistical distribution predicted by the hyperprior and the Bayes' theorem. An adaptive skip mode decision method based on spatial-temporal joint RD optimization is developed for the skip mode coding among channels and frames in a group of pictures. It addresses the limitation of the rigid fixed-distortion distribution assumption in skip mode coding within the existing methods that rely on a fixed skip threshold. The temporal skip mode decision method has been adopted in the ongoing AVS NVC standard and incorporated into the reference software. The proposed RDOSkip can be directly used in the inference without any training and with negligible complexity increase. Experimental results further demonstrate that the proposed RDOSkip can improve the performance by 0.90% and 1.29% on AVS and HEVC datasets, respectively, in terms of BD-rate saving.
• Abstract（参考訳）: ディープラーニングの開発に伴い、ニューラルビデオ圧縮(NVC)が注目され、現在、AVS(Audio Video Coding Standard)で標準化されている。 従来のビデオ圧縮において重要なコンポーネントであるスキップモードコーディングは、AVS NVCでも採用されている。 スキップモードは,NVCの動作と残像の符号化に大きく貢献するが,スキップモード符号化の速度歪み性能についてはほとんど調査されていない。 本稿ではまず,空間的フレーム内および時間的基準特性の異なるスキップモード符号化における速度と歪み分布を徹底的に検討し,歪み分布が空間的・時間的に変化することを示す。 そこで,ハイパプライヤとベイズ定理によって予測される統計分布に基づいて,スキップモード符号化の速度と歪みを定式化する,レート歪み最適化型スキップモード符号化(RDOSkip)フレームワークを提案する。 画像群におけるチャネルとフレーム間のスキップモード符号化のために,空間時間的関節RD最適化に基づく適応型スキップモード決定法を開発した。 これは、固定スキップしきい値に依存する既存のメソッド内でのスキップモード符号化における厳密な固定歪分布仮定の制限に対処する。 時空スキップモード決定法は、現在進行中のAVS NVC標準に採用され、リファレンスソフトウェアに組み込まれている。 提案したRDOSkipは、トレーニングや無視可能な複雑さの増加なしに、推論で直接使用することができる。 さらに実験結果から,提案したRDOSkipは,AVSデータセットとHEVCデータセットでそれぞれ0.90%,1.29%向上し,BDレートの削減を図っている。

関連論文リスト

• Neural Video Coding under Limited Delay: Theoretical Optimality and System Design [19.771803053294413]
  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。
  論文  参考訳（メタデータ） (2026-10-19T03:31:53Z)
• Boosting Neural Video Codec via Scale-Driven Online Flow Refinement [59.68390983151205]
  本稿では,訓練不要なスケール駆動型オンラインフローリファインメント(SOFR)手法を提案する。 ワープ精度に応じて粗さや微細なスケールからの動作情報を融合し、動作推定誤差を効果的に補正する。 PSNRとMS-SSIMでそれぞれ平均2.84%と4.05%の貯蓄がある。
  論文  参考訳（メタデータ） (2026-06-22T08:36:23Z)
• Neural Video Compression with Domain Transfer [67.17233008935996]
  DCVC-DTはドメイン転送強化ニューラルビデオ圧縮フレームワークである。 本研究では,品質変動に基づく損失におけるRとDの比を積極的に制御するフレームレベルの動的RD(Rate and Distortion)調整手法を開発した。
  論文  参考訳（メタデータ） (2026-05-13T13:02:40Z)
• Uni-LVC: A Unified Method for Intra- and Inter-Mode Learned Video Compression [12.0699499858344]
  単一モデルにおける低遅延およびランダムアクセスによるイントラとインターコーディングの両方をサポートする統一LVCであるUni-LVCを紹介する。 強力なコーデック上に構築されたUni-LVCは、参照フレームから抽出された時間情報に基づいて、コード内条件としてインターコーディングを行う。 時間的キューを選択的にスケールするために信頼性を考慮した分類器が提案され、参照が信頼できない場合、Uni-LVCはイントラコーディングに近づく。
  論文  参考訳（メタデータ） (2026-03-05T23:30:34Z)
• Learned Video Compression via Heterogeneous Deformable Compensation Network [78.72508633457392]
  不安定な圧縮性能の問題に対処するために,不均一変形補償戦略(HDCVC)を用いた学習ビデオ圧縮フレームワークを提案する。 より具体的には、提案アルゴリズムは隣接する2つのフレームから特徴を抽出し、コンテンツ近傍の不均一な変形(HetDeform)カーネルオフセットを推定する。 実験結果から,HDCVCは最近の最先端の学習ビデオ圧縮手法よりも優れた性能を示した。
  論文  参考訳（メタデータ） (2022-07-11T02:31:31Z)
• Efficient VVC Intra Prediction Based on Deep Feature Fusion and Probability Estimation [57.66773945887832]
  本稿では,フレーム内予測におけるVersatile Video Coding (VVC) の複雑性を,深層融合と確率推定の2段階のフレームワークを用いて最適化することを提案する。 特に高精細度(HD)および超高精細度(UHD)ビデオシーケンスにおいて,提案手法の優位性を示す実験結果が得られた。
  論文  参考訳（メタデータ） (2022-05-07T08:01:32Z)
• Deep Learning-Based Intra Mode Derivation for Versatile Video Coding [65.96100964146062]
  本稿では,Deep Learning based intra Mode Derivation (DLIMD) と呼ばれるインテリジェントイントラモード導出法を提案する。 DLIMDのアーキテクチャは、異なる量子化パラメータ設定と、非平方要素を含む可変符号化ブロックに適応するように開発されている。 提案手法は,Versatile Video Coding (VVC) テストモデルを用いて,Y, U, Vコンポーネントの平均ビットレートを2.28%, 1.74%, 2.18%削減できる。
  論文  参考訳（メタデータ） (2022-04-08T13:23:59Z)
• End-to-End Rate-Distortion Optimized Learned Hierarchical Bi-Directional Video Compression [10.885590093103344]
  学習VCは、非線形変換、運動、エントロピーモデルのエンドツーエンドの速度歪み(R-D)最適化トレーニングを同時に行うことができる。 本稿では,階層型モーションサンプリングとエンドツーエンド最適化の利点を組み合わせた,学習型階層型双方向ビデオ(LHBDC)を提案する。
  論文  参考訳（メタデータ） (2021-12-17T14:30:22Z)

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。