論文の概要: CoDecide: Content-Adaptive Video Decoding for High-Throughput Video Analytics
- arxiv url: http://arxiv.org/abs/2611.06455v1
- Date: Wed, 04 Nov 2026 12:55:32 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-06 03:25:58.11375
- Title: CoDecide: Content-Adaptive Video Decoding for High-Throughput Video Analytics
- Title（参考訳）: CoDecide: 高スループットビデオ分析のためのコンテンツ適応型ビデオデコーディング
- Abstract要約: CoDecideは、新しいコンテンツが現れるフレームのみをデコードする振り返り分析システムである。
動きは何かが動いていることを教えてくれるが、シーンに新しいものなのか、ずっとそこにいたのかはわからない。
CoDecideは、すべてのフレームをデコードして検出するパイプラインよりも15から24倍高速で動作する。
- 参考スコア（独自算出の注目度）: 23.922548963183043
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Analytics on video archives are bottlenecked by decoding. In a dense pipeline that runs a detector on every frame, decoding is a small fraction of the runtime, but once the detector is restricted to selected frames, decoding takes over as the main cost. We introduce CoDecide, a retrospective analytics system that only decodes the frames where new content appears, using signals from the compressed bitstream to find them. Motion tells us something is moving, but not whether it is new to the scene or has been there the whole time. To make that distinction, we supervise a lightweight compressed-domain student on a label-free novelty signal from a frozen DINOv2 teacher, which fires on semantically new regions rather than on any motion. Consequently, the student model generalizes to new camera deployments without requiring per-camera retraining. At inference, it decides which frames to decode and which regions to reconstruct. Detections from the decoded frames are propagated to the skipped frames using motion vectors. We evaluate CoDecide with a leave-one-dataset-out protocol on VIRAT, MEVA, and ShanghaiTech. Against a dense per-frame detector, CoDecide recovers more moving-object detections than prior compressed-domain selectors at an equivalent decoding budget, outperforming even a competitor trained directly on the target camera. CoDecide runs 15 to 24x faster than a pipeline that decodes and detects every frame. Code is available at https://github.com/shristy51/CoDecide.
- Abstract（参考訳）: ビデオアーカイブのアナリティクスはデコードによってボトルネックとなる。
あらゆるフレーム上で検出器を実行する密度の高いパイプラインでは、デコーディングはランタイムのごく一部であるが、一度検出が選択されたフレームに制限されると、デコーディングが主なコストとして引き継がれる。
我々は,圧縮されたビットストリームからの信号を用いて,新しいコンテンツが現れるフレームのみをデコードするリフレクション分析システムであるCoDecideを紹介した。
動きは何かが動いていることを教えてくれるが、シーンに新しいものなのか、ずっとそこにいたのかはわからない。
そこで我々は,凍結したDINOv2教師のラベルなしノベルティ信号に基づいて,軽量な圧縮領域の学生を監督する。
その結果、学生モデルは、カメラごとの再トレーニングを必要とせずに、新しいカメラ展開に一般化する。
推論では、どのフレームをデコードするか、どのリージョンを再構築するかを決定する。
復号化フレームからの検出は、モーションベクトルを用いてスキップフレームに伝搬される。
我々は,VIRAT,MEVA,ShanghaiTech上でのLeft-one-dataset-outプロトコルを用いてCoDecideを評価する。
フレームあたりの密度の高い検出器に対して、CoDecideは圧縮ドメインセレクタよりも多くの移動物体検出を同等のデコード予算で回収し、ターゲットカメラ上で直接訓練された競合者よりも優れた性能を発揮する。
CoDecideは、すべてのフレームをデコードして検出するパイプラインよりも15から24倍高速で動作する。
コードはhttps://github.com/shristy51/CoDecide.comで入手できる。
関連論文リスト
- LeVJEPA: Efficient & Scalable Video Pretraining without the Heuristics [50.45297537821907]
我々はLeJEPAの崩壊のない目的の下で訓練された最初のビデオエンコーダLeVJEPAを紹介する。
単一のエンコーダは、クリップのグローバルおよびローカルビューよりも分散損失で訓練される。
LeVJEPAはV-JEPA 2とVT-S/B/Lの5.6から20.8倍の速さで一致または超える。
論文 参考訳（メタデータ） (2026-08-27T17:26:24Z) - Learning Unified Video and Image Representation for Video Face Forgery Detection [49.19035628283472]
既存のビデオ顔偽造検出方法は、偽造ビデオのすべてのフレームが操作されていると仮定する。
ビデオ中の部分的偽造を検出するための微細な監督を行うために,追加の注釈付き画像を利用する新しいフレームワーク UVIF を提案する。
UVIFは、統一エンコーダとマルチタスク学習パラダイムを使用して、ビデオ顔偽造検出の強化のために、顔ビデオと画像を共同でモデル化する。
論文 参考訳（メタデータ） (2026-08-13T10:25:59Z) - VNVC: A Versatile Neural Video Coding Framework for Efficient
Human-Machine Vision [59.632286735304156]
コード化された表現をピクセルに復号することなく直接拡張・解析することがより効率的である。
再構成と直接拡張/分析の両方をサポートするために,コンパクト表現の学習を目標とする汎用型ニューラルビデオ符号化(VNVC)フレームワークを提案する。
論文 参考訳（メタデータ） (2023-06-19T03:04:57Z) - Tracking by Associating Clips [110.08925274049409]
本稿では,オブジェクト関連をクリップワイドマッチングとして扱う方法を検討する。
我々の新しい視点では、1つの長いビデオシーケンスを複数のショートクリップとみなし、そのトラックはクリップ内とクリップ間の両方で実行される。
この新しい手法の利点は2つある。まず、ビデオチャンキングによって中断フレームをバイパスできるため、エラーの蓄積や伝播の追跡に頑健である。
次に、クリップワイドマッチング中に複数のフレーム情報を集約し、現在のフレームワイドマッチングよりも高精度な長距離トラックアソシエーションを実現する。
論文 参考訳（メタデータ） (2022-12-20T10:33:17Z) - FrameHopper: Selective Processing of Video Frames in Detection-driven
Real-Time Video Analytics [2.5119455331413376]
検出駆動リアルタイムビデオ分析では、ビデオフレームに含まれるオブジェクトを連続的に検出する必要がある。
これらの検出器をリソース制約されたエッジデバイスの各フレームで実行することは、計算集約的である。
本稿では,これらのスキップ長を決定するために,オフライン強化学習(RL)に基づくアルゴリズムを提案する。
論文 参考訳（メタデータ） (2022-03-22T07:05:57Z) - Siamese Network with Interactive Transformer for Video Object
Segmentation [34.202137199782804]
本稿では,SITVOSと呼ばれる対話型トランスフォーマーを設計したネットワークを提案し,過去のフレームから現在のフレームへの効果的なコンテキスト伝搬を実現する。
過去のフレームと現在のフレームの両方のバックボーン機能を抽出するためにバックボーンアーキテクチャを使用します。
論文 参考訳（メタデータ） (2021-12-28T03:38:17Z) - Temporal Early Exits for Efficient Video Object Detection [1.1470070927586016]
本稿では,フレーム単位の動画オブジェクト検出の計算複雑性を低減するため,時間的早期出口を提案する。
提案手法は,既存の手法と比較して,フレーム単位の動画オブジェクト検出の計算複雑性と実行を最大34倍に削減する。
論文 参考訳（メタデータ） (2021-06-21T15:49:46Z) - Learning Spatio-Temporal Transformer for Visual Tracking [108.11680070733598]
本稿では,エンコーダ・デコーダ変換器をキーコンポーネントとする新しいトラッキングアーキテクチャを提案する。
メソッド全体がエンドツーエンドであり、コサインウィンドウやバウンディングボックススムーシングのような後処理ステップは不要である。
提案されたトラッカーは、Siam R-CNNよりも6倍速いリアルタイム速度を実行しながら、5つのチャレンジングな短期および長期ベンチマークで最先端のパフォーマンスを実現します。
論文 参考訳（メタデータ） (2021-03-31T15:19:19Z) - 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) - RN-VID: A Feature Fusion Architecture for Video Object Detection [10.667492516216889]
本稿では,映像オブジェクト検出の新しいアプローチであるRN-VID(RetinaNet-VIDeoの略)を提案する。
まず、近隣のフレームからの情報を利用して特徴マップを拡張できる新しいアーキテクチャを提案する。
第2に、チャネルの再順序付けと1 x 1畳み込みを用いて、同じ次元の特徴写像をマージする新しいモジュールを提案する。
論文 参考訳（メタデータ） (2020-03-24T14:54:46Z)
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。