论文页面 - H-DDCM：用于快速生成式图像与视频压缩的哈达玛码本

来源：https://huggingface.co/papers/2610.18125

摘要

H-DDCM 用隐式随机化哈达玛字典和无表字典序编码取代稠密高斯码本，实现基于扩散模型和流模型的可扩展、高效的生成式图像与视频压缩。

无需训练的扩散式压缩方法利用扩散模型或流模型的生成先验 (https://huggingface.co/papers?q=generative%20priors) 来压缩数据，无需将这些模型重新训练为任务专用的编解码器。近期基于码本的方法，如 Turbo-DDCM (https://huggingface.co/papers?q=Turbo-DDCM)，在超低比特率下实现了出色的感知质量，但它们依赖稠密高斯码本 (https://huggingface.co/papers?q=Gaussian%20codebooks)，内存和计算开销仍然很高，而且难以扩展到现代图像和视频生成器的高维潜在空间。在这一规模下，其组合式比特流编码的计算负担也变得十分沉重。我们提出了 H-DDCM，这是一种可扩展的生成式压缩框架，用隐式随机化哈达玛字典 (https://huggingface.co/papers?q=Hadamard%20dictionaries) 取代高斯码本 (https://huggingface.co/papers?q=Gaussian%20codebooks)。快速沃尔什-哈达玛变换 (https://huggingface.co/papers?q=Walsh-Hadamard%20transform) 可以隐式合成全维字典，投影和重建的计算复杂度为 O(d log d)，内存复杂度为 O(d)，无需显式构建全维字典。我们还提出了一种高效的无表字典序编码 (https://huggingface.co/papers?q=lexicographic%20coding) 方案，使组合编码在更高维度下也具有实用性。除图像外，我们还将该框架适配到自回归视频流模型 (https://huggingface.co/papers?q=autoregressive%20video%20flow%20model)，并开发了一种流式压缩 (https://huggingface.co/papers?q=streaming%20compression) 方案，定期将最近重建的帧重新编码为新的 KV-缓存 (https://huggingface.co/papers?q=KV-cache) 前缀，在不增加传输比特数的情况下保留跨片段的时间上下文。这使得在单个 GPU 上进行长视频、接近实时的生成式视频压缩成为可能。在图像和视频基准测试中，H-DDCM 实现了具有竞争力的码率-失真-感知性能，同时大幅降低了基于码本且无需训练的生成式压缩的内存与计算开销。

查看 arXiv 页面 (https://arxiv.org/abs/2610.18125)查看 PDF (https://arxiv.org/pdf/2610.18125)项目页面 (https://h-ddcm.github.io/)添加到合集 (https://huggingface.co/login?next=%2Fpapers%2F2610.18125)

引用此论文的模型0

暂无链接到此论文的模型

在模型的 README.md 中引用 arxiv.org/abs/2610.18125，即可从此页面链接到该模型。

引用此论文的数据集0

暂无链接到此论文的数据集

在数据集的 README.md 中引用 arxiv.org/abs/2610.18125，即可从此页面链接到该数据集。

引用此论文的 Spaces0

暂无链接到此论文的 Space

在 Space 的 README.md 中引用 arxiv.org/abs/2610.18125，即可从此页面链接到该 Space。

收录此论文的合集0

暂无收录此论文的合集

将此论文添加到合集 (https://huggingface.co/new-collection)，即可从此页面链接到该合集。