論文の概要: RIFT: Residual-Informed Flow Transfer for One-Step Generative Video Compression
- arxiv url: http://arxiv.org/abs/2611.01791v1
- Date: Sun, 01 Nov 2026 10:53:05 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-12 14:45:35.107653
- Title: RIFT: Residual-Informed Flow Transfer for One-Step Generative Video Compression
- Title(参考訳): RIFT:一段映像圧縮のための残差インフォームドフロートランスファー
- Abstract要約: 本稿では,一段階生成ビデオ圧縮のためのResidual-Informed Flow TransferフレームワークであるRIFTを提案する。
RIFTは学習した全帯域残留強度推定と内容可視方向とゲインを統合し、更新の向きと大きさを圧縮依存残差と整合させる。
3つの公開ビデオ圧縮ベンチマークの実験により、RIFTは競合する生成ビデオ圧縮法より優れていることが示された。
- 参考スコア(独自算出の注目度): 45.44401733003061
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Recent advances in video generation have enabled generative video compression to reconstruct details lost during coding using pretrained spatiotemporal priors. However, a substantial gap remains between codec-induced degradation and the perturbation trajectories learned by flow-matching models. In this paper, we identify a compression-dependent directional mismatch that degradation-strength-based timestep calibration alone cannot resolve. Compressed latents remain strongly aligned across codec operating points, while their reconstruction residuals vary substantially in magnitude and direction. To bridge this gap, we propose RIFT, a Residual-Informed Flow Transfer framework for one-step generative video compression. At its core, RIFT introduces a Residual Geometry Inducer (RGI) that converts the pretrained flow prediction into a content-adaptive restoration update using decoder-visible codec cues. RGI integrates flow-timestep conditioning with a learned full-band residual-strength estimate and content-conditioned direction and gain modulation, aligning the orientation and magnitude of the update with the compression-dependent residual geometry. Extensive experiments on three public video compression benchmarks show that RIFT outperforms competing generative video compression methods. The code is publicly available on RIFT.
- Abstract(参考訳): ビデオ生成の最近の進歩により、生成ビデオ圧縮は、事前訓練された時空間前兆を用いて、符号化中に失われた詳細を再構築することができる。
しかし、コーデックによる劣化と流れマッチングモデルで学習された摂動軌道との間には大きなギャップが残っている。
本稿では,劣化強度に基づく時間ステップキャリブレーションだけでは解決できない圧縮依存方向ミスマッチを同定する。
圧縮された潜伏剤はコーデック操作点間で強く整列するが、その復元残基は大きさや方向によって大きく異なる。
このギャップを埋めるために,一段階生成ビデオ圧縮のためのResidual-Informed Flow TransferフレームワークであるRIFTを提案する。
RIFTは、Residual Geometry Inducer (RGI)を導入し、事前学習したフロー予測をデコーダ可視コーデックキューを使用したコンテンツ適応型復元更新に変換する。
RGIは、フロータイムステップ条件付けを学習されたフルバンド残差強度推定とコンテンション条件付き方向と統合し、修正の向きと大きさを圧縮依存残差幾何と整合させる。
3つの公開ビデオ圧縮ベンチマークの大規模な実験は、RIFTが競合する生成ビデオ圧縮法より優れていることを示している。
コードはRIFTで公開されている。
関連論文リスト
- DiffCVE: Diffusion-based Compressed Video Enhancement [32.7189173883538]
高度に圧縮されたビデオの知覚的品質向上は、複雑なアーティファクトパターンと実質的な情報損失のために依然として困難である。
近年の拡散モデルでは、視覚的復元のための強力な生成能力が示されているが、圧縮ビデオに直接適用すると圧縮劣化特性が無視されることが多い。
本稿では,拡散型圧縮ビデオ強調手法であるDiffgenerative Coding Prior-enhanced Dual Conditioningを提案する。
論文 参考訳(メタデータ) (2026-07-08T09:30:18Z) - TVRN: Invertible Neural Networks for Compression-Aware Temporal Video Rescaling [29.9685609552061]
圧縮対応フレームレート再スケーリングのためのエンドツーエンドフレームワーク TVRN を提案する。
TVRNはフレームレートダウンスケーリング中に失われた高周波情報を正規化する。
我々は、学習からランクへの戦略を通じて学習した圧縮認識機能を組み込むことで、TVRNを非対称なアーキテクチャに拡張する。
論文 参考訳(メタデータ) (2026-05-15T03:44:14Z) - Generation Is Compression: Zero-Shot Video Coding via Stochastic Rectified Flow [1.8898767128464697]
emphGenerative Video Codebook Codec (GVCC)は、事前訓練されたビデオ生成モデルをそれ自体に変換するゼロショットフレームワークである。
この統合されたバックボーン上に構築された3つの条件付け戦略 – emphImage-to-Video (I2V), emphText-to-Video (T2V), emphFirst-Last-Frame-to-Video (FLF2V) – をインスタンス化する。
論文 参考訳(メタデータ) (2026-03-27T16:33:20Z) - Rethinking Video Tokenization: A Conditioned Diffusion-based Approach [58.164354605550194]
新しいトークン化ツールであるDiffusion Conditioned-based Gene Tokenizerは、GANベースのデコーダを条件付き拡散モデルで置き換える。
再建に基本的MSE拡散損失とKL項,LPIPSを併用した訓練を行った。
CDTのスケールダウン版(3$times inference speedup)でさえ、トップベースラインと互換性がある。
論文 参考訳(メタデータ) (2025-03-05T17:59:19Z) - 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) - Modeling Lost Information in Lossy Image Compression [72.69327382643549]
ロスシー画像圧縮は、デジタル画像の最もよく使われる演算子の1つである。
Invertible Lossy Compression (ILC) と呼ばれる新しい非可逆的フレームワークを提案する。
論文 参考訳(メタデータ) (2020-06-22T04:04:56Z) - 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)
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。