arXiv cs.AI· Or Ronai, Vladimir Kulikov, Tomer Michaeli·· 3 天前AI 评分27
H-DDCM：用 Hadamard 码本实现快速生成式图像与视频压缩
H-DDCM: Hadamard Codebooks for Fast Generative Image and Video Compression
AI 导读
H-DDCM 用隐式随机 Hadamard 字典替代高斯码本，实现免训练生成式图像与视频压缩，投影与重建仅需 O(d log d) 计算和 O(d) 内存。该框架还提出免查表字典序编码方案，并将方法适配到自回归视频流模型，通过周期性将近期重建帧重编码为新的 KV-cache 前缀，在单 GPU 上实现长时长、接近实时的生成式视频压缩。
正文 · AI 翻译
摘要：免训练的基于扩散的压缩方法重新利用扩散模型或流模型的生成先验来压缩数据，而无需将其重新训练为特定任务的编解码器。近期基于码本的方法（如 Turbo-DDCM）在超低比特率下实现了出色的感知质量，但它们对稠密高斯码本的依赖在内存和计算上仍然代价高昂，并且难以扩展到现代图像和视频生成器的大潜维度。其组合式比特流编码在此规模下也变得计算繁重。我们提出 H-DDCM，一种可扩展的生成式压缩框架，用隐式随机 Hadamard 字典替代高斯码本。快速 Walsh-Hadamard 变换允许以 $O(d \log d)$ 的计算量进行投影和重建、以 $O(d)$ 的内存隐式合成全维字典，而无需实际物化全维字典。我们进一步引入一种高效的无表字典序编码方案，使组合编码在更大维度下变得实用。除图像外，我们将该框架适配到自回归视频流模型，并开发了一种流式压缩方案，周期性地将最近重建的帧重新编码为新的 KV-cache 前缀，在段间保持时间上下文且不额外传输比特。这使得在单块 GPU 上进行长时长、接近实时的生成式视频压缩成为可能。在图像和视频基准上，H-DDCM 实现了具有竞争力的率-失真-感知性能，同时大幅降低了基于码本的免训练生成式压缩的内存和计算开销。
| 评论： | 项目网页见 此 https URL |
| 主题： | 计算机视觉与模式识别 (cs.CV)；人工智能 (cs.AI)；机器学习 (cs.LG) |
| 引用为： | arXiv:2610.18125 [cs.CV] |
| （或 arXiv:2610.18125v1 [cs.CV] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.18125 arXiv 颁发的 DOI 经由 DataCite（待注册） |
提交历史
来自：Or Ronai [查看电子邮件]
[v1]
2026年10月13日星期二 10:36:58 UTC (34,990 KB)
来源：arXiv cs.AI · arxiv.org