arXiv cs.AI· Yingwen Zhang, Meng Wang, Liqiang He, Shiqi Wang·· 12 小时前AI 评分22
LLM 能否设计视频编码工具？关于 Planar 模式的案例研究
Can LLMs Design Video Coding Tools? A Case Study on Planar Mode
AI 导读
一项实证案例研究探讨 LLM 能否设计视频编码工具，以视频编码标准中的 Planar 模式为对象，采用生成-评估循环让 LLM 生成新的 Planar 预测器并根据编码性能反馈迭代改进。
正文 · AI 翻译
摘要：本文探讨大型语言模型（LLM）能否设计视频编码工具，这是一项极具挑战性的任务，因为工具修改涉及复杂的算法耦合。具体而言，我们针对 Planar 模式开展了一项实证案例研究，该模式是视频编码标准中长期存在的帧内预测工具。我们的实验在生成-评估循环中进行：LLM 生成新的 Planar 预测器，编码器试验评估其编码性能，LLM 根据评估反馈重新生成改进的实现。我们首先考察在 Fraunhofer Versatile Video Encoder（VVenC）的更快预设下直接替换默认 Planar 模式。实验结果表明，在该轻量级工具集上，LLM 生成的模式可以优于传统 Planar 模式，在标准基准上实现 0.18% 的码率节省，同时带来 0.4% 的复杂度开销。我们进一步将评估扩展到增强压缩模型（ECM）。利用新引入的方向性 Planar 模式，我们研究了两种集成策略：直接替换它们，以及将 LLM 生成的预测器作为带有新语法元素的额外预测模式引入。实证结果表明，在受限的低分辨率设置下，两种策略都能带来编码增益。总体而言，本研究提供了初步证据和实践见解，既凸显了基于 LLM 的编码工具设计的潜力，也揭示了其未解决的挑战。
| 学科： | 多媒体（cs.MM）；人工智能（cs.AI） |
| 引用为： | arXiv:2609.01535 [cs.MM] |
| （或 arXiv:2609.01535v2 [cs.MM] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2609.01535 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Yingwen Zhang [查看电子邮件]
[v1]
2026年9月1日星期二 17:04:47 UTC（81 KB）
[v2]
2026年10月27日星期二 02:50:07 UTC（81 KB）
来源：arXiv cs.AI · arxiv.org