GVCCTurbo 为生成式视频和图像压缩提出码率规划方案

arXiv 研究人员发布了 GVCCTurbo——一种调度器，它将生成式先验分布的昂贵更新与通过码本传递的修正分开。该方法不再将采样器步数硬性绑定到修正槽的数量，而是允许将比特率作为调度的一个输入参数来设定。该调度器兼容 rectified-flow 视频（GVCC 风格）和 diffusion 图像压缩（DDCM 风格），无需微调，并可与未来的蒸馏先验配合使用。在 720p 分辨率下使用 Wan-GVCC 的测试中，先验评估次数从 20 次减少到 9 次，解码时间节省约 44%，而动态场景中的 LPIPS 仅有小幅上升。

这意味着什么

这则新闻涉及的是生成式视频压缩，而非根据文本描述生成视频。在我们的指南中，没有工具解决通过码本进行视频压缩的问题。名称上最接近的工具是 Wan（通义万相）——这是阿里巴巴的一款视频生成器，基于 text-to-video 模型运行，而非编解码器。GVCCTurbo 仅将 Wan 用作测量解码速度的测试平台，并未改变模型本身，也未为其添加压缩功能。 这项工作对 视频生成 部分中的工具没有直接影响。它处于一个相邻领域——在超低比特率下依赖生成模型进行视频传输——该领域目前在我们的指南中尚未以单独的工具页面形式呈现。