PulseAugur
中
实时 01:41:37
English(EN) ZeroGVC: Zero-Shot Generative Video Compression with Autoregressive Diffusion Priors

零样本生成视频压缩框架发布

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了ZeroGVC，一个新颖的零样本生成视频压缩框架。该方法利用预训练的自回归扩散模型，在极低比特率下实现高质量视频重建，无需额外训练。ZeroGVC使用标准图像编解码器对图像组（GOP）的第一帧进行编码，然后利用码本噪声向量引导扩散过程来表示后续帧，使解码器能够以最少的去噪步骤重现同一帧。可选的双向参考模式通过使用未来上下文而不增加比特率来进一步提高质量。 AI

影响 这项研究可能带来更高效的视频压缩技术，对流媒体服务和视频存储产生影响。

排序理由 这是一篇详细介绍视频压缩新技术的学术论文。

在 arXiv cs.CV 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

零样本生成视频压缩框架发布

报道来源 [1]

  1. arXiv cs.CV TIER_1 English(EN) · Yixin Gao, Xiaohan Pan, Lin Liu, Xin Li, Zhibo Chen, Qi Tian ·

    ZeroGVC：具有自回归扩散先验的零样本生成视频压缩

    arXiv:2606.22371v2 Announce Type: replace-cross Abstract: Recent generative video compression methods leverage powerful generative priors to achieve perceptually pleasing reconstructions. However, most existing approaches require additional training to adapt generative models to …

相关话题