跳到正文
arXiv · 机器人与计算机视觉· Jiancheng Zhao, Jixiang Luo, Haibin Huang, Chi Zhang, Xuelong Li·· 13 天前AI 评分36

MiniMax-H3 视频压缩模型通过自适应分词与熵建模实现实用级 20 kbps 生成式压缩

Towards Practical 20 kbps Generative Video Compression via Adaptive Tokenization and Entropy Modeling

AI 导读

MiniMax-H3 预训练因果视频 VAE 被适配为离散视频分词器,联合优化的自回归熵模型在 UVG、MCL-JCV 及 HEVC Class B 数据集上相比 GLC-Video 实现 BD-LPIPS 节省 82.2%--87.5%。该方法通过可微率代理优化分词分配,在极低码率下显著提升了感知质量与时间连贯性。

来源:arXiv · 机器人与计算机视觉 · arxiv.org