論文の概要: Neural Image Compression with Internal-External Prior Fusion and Alignment

• arxiv url: http://arxiv.org/abs/2611.07644v1
• Date: Thu, 05 Nov 2026 08:27:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-06 21:50:50.59953
• Title: Neural Image Compression with Internal-External Prior Fusion and Alignment
• Title（参考訳）: 内外核融合とアライメントによるニューラルイメージ圧縮
• Abstract要約: 学習した画像のコンプレッションのための既存のコンテキストモデルは、現在の画像の内部の事前に依存する。 クワッドツリー空間-チャネル連成モデルに基づく内部外部先進核融合-アライメントコンテキストモデルを提案する。
• 参考スコア（独自算出の注目度）: 8.5133415329194
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Existing context models for learned image com- pression rely primarily on internal priors from the current image, overlooking common patterns and typical textures shared across natural images. To address this limitation, we propose an Internal-External Prior Fusion-Alignment (IE-PFA) context model built upon quadtree spatial-channel joint modeling, where a learnable dictionary shared by the encoder and decoder serves as an external prior. Specifically, an RWKV-based Spatial- Channel Prior Fusion (RSCPF) module efficiently fuses inter- nal and external priors along spatial and channel dimensions with linear complexity, while a training-only Self-Distilled Prior Alignment (SDPA) mechanism aligns them without inference overhead. Moreover, our model supports variable-rate coding over 64 quality levels within a single network and is accelerated by custom CUDA operators. Experiments on seven benchmarks demonstrate state-of-the-art rate-distortion performance, achiev- ing an average BD-Rate saving of 21.65% over VTM-22.0-Intra, with only 29.9M parameters and the fastest coding speed among advanced neural codecs (61 ms encoding and 52 ms decoding). Code is available at https://github.com/stcnjtech/DCVC-X-Intra.
• Abstract（参考訳）: 学習した画像のコンプレッションのための既存のコンテキストモデルは、主に現在の画像の内的先行に頼り、共通のパターンや、自然画像間で共有される典型的なテクスチャを見渡す。 この制限に対処するため、我々はクワッドツリー空間-チャネル結合モデリングに基づいて構築された内部外部事前統合(IE-PFA)コンテキストモデルを提案し、そこではエンコーダとデコーダが共用する学習可能な辞書が外部先行として機能する。 具体的には、RWKVベースのSpatial- Channel Prior Fusion (RSCPF)モジュールは、空間的およびチャネル的次元に沿って、内部および外部の事前を線形複雑に効率的に融合させ、一方、訓練専用のSDPA(Self-Distilled Prior Alignment)メカニズムは、推論オーバーヘッドを伴わずにそれらを整列させる。 さらに,本モデルでは,64以上の品質レベルを1つのネットワークでサポートし,カスタムCUDA演算子によって高速化する。 7つのベンチマークの実験では、平均的なBDレートの節約率はVTM-22.0-Intraで21.65%であり、高度な神経コーデック(61msエンコーディングと52msデコード)の中で29.9Mパラメータと最速のコーディング速度しか示されていない。 コードはhttps://github.com/stcnjtech/DCVC-X-Intra.comで入手できる。

関連論文リスト

• Recasting DiT for Extreme Image Compression with Hierarchical Visual Priors [33.50821323033812]
  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。
  論文  参考訳（メタデータ） (2026-10-13T15:58:40Z)
• GroundAnything: Reconciling Parallel Decoding with Precise Visual Grounding at Flash Speed [71.05944634852158]
  GroundAnythingはブロックワイズによる正確なローカライゼーションで高速並列デコーディングを再構成する。 30のグラウンドベンチマークで、私たちの自己回帰型であるGroundAnything-VLMは、この技術の新たな全体的な状態を確立します。 エントロピー誘導復号法により、GroundAnythingは、この規模の芸術の先行状態を超越している。
  論文  参考訳（メタデータ） (2026-09-30T12:20:51Z)
• SRC-Flow: Compact Semantic Representations Enable Normalizing Flows for Image Generation [73.51436199324066]
  正規化フロー(NF)は、正確な確率と決定論的非可逆サンプリングを提供するが、大規模な画像生成のための拡散モデルに遅れを取っている。 低次元意味空間にコンパクトな高次元RAE特徴にセマンティック表現(SRC)を導入するSRC-Flowを提案する。 SRC-Flowは、計算不要なガイダンスの下で、gFIDスコア1.65と2.07で、フローメソッド間の最先端の生成品質を実現する。
  論文  参考訳（メタデータ） (2026-05-18T12:03:41Z)
• 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)
• DiffVC-RT: Towards Practical Real-Time Diffusion-based Perceptual Neural Video Compression [38.495966630021556]
  我々は、リアルタイム拡散に基づくニューラルビデオ圧縮(NVC)を実現するための最初のフレームワークであるDiffVC-RTを提案する。 DiffVC-RTは、NVIDIA H800 GPU上の720pビデオに対して、リアルタイムエンコーディングとデコード速度206/30 fpsのHEVCデータセット上で、LPIPSよりもVTM-17.0よりも80.1%のパーセプティカルセーブを実現していることを示す。
  論文  参考訳（メタデータ） (2026-01-28T12:59:25Z)
• Transformer-based Image Compression [18.976159633970177]
  Transformer-based Image Compression (TIC) アプローチは、標準変分オートエンコーダ(VAE)アーキテクチャをメインおよびハイパーエンコーダデコーダのペアで再利用する。 TICは、Deep Convolutional Neural Network(CNN)ベースの学習画像符号化(lic)メソッドや、最近承認されたVersatile Video Coding(VVC)標準のハンドクラフトルールベースの内部プロファイルなど、最先端のアプローチと競合する。
  論文  参考訳（メタデータ） (2021-11-12T13:13:20Z)
• Rethinking Semantic Segmentation from a Sequence-to-Sequence Perspective with Transformers [149.78470371525754]
  セマンティックセグメンテーションをシーケンスからシーケンスへの予測タスクとして扱う。 具体的には、イメージをパッチのシーケンスとしてエンコードするために純粋なトランスをデプロイします。 トランスのすべての層でモデル化されたグローバルコンテキストにより、このエンコーダは、SETR(SEgmentation TRansformer)と呼ばれる強力なセグメンテーションモデルを提供するための単純なデコーダと組み合わせることができる。 SETRはADE20K(50.28% mIoU)、Pascal Context(55.83% mIoU)、およびCityscapesの競争力のある結果に関する最新技術を達成している。
  論文  参考訳（メタデータ） (2020-12-31T18:55:57Z)
• Conditional Entropy Coding for Efficient Video Compression [82.35389813794372]
  本稿では,フレーム間の条件エントロピーをモデル化することのみに焦点を当てた,非常にシンプルで効率的なビデオ圧縮フレームワークを提案する。 まず、画像遅延符号間のエントロピーをモデル化する単純なアーキテクチャが、他のニューラルビデオ圧縮やビデオコーデックと同等の競争力を持つことを示す。 次に、このアーキテクチャの上に新しい内部学習拡張を提案し、復号速度を抑えることなく10%の節約を実現した。
  論文  参考訳（メタデータ） (2020-08-20T20:01:59Z)
• NVAE: A Deep Hierarchical Variational Autoencoder [102.29977384039805]
  本稿では,深度ワイド分離可能な畳み込みとバッチ正規化を用いた画像生成のための階層型VAEを提案する。 NVAEは非自己回帰的確率ベースモデルにおいて最先端の結果が得られることを示す。 我々の知る限りでは、NVAEは256$times $256ピクセルの自然画像に適用された最初のVAEである。
  論文  参考訳（メタデータ） (2020-07-08T04:56:56Z)

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。