融合自回归与双向视频扩散的统一生成式视频压缩

基于摘要分析。本文研究超低码率生成式视频压缩中重建质量与解码延迟的权衡，提出 UniGVC，使同一码流支持面向实时播放的自回归（AR）解码与面向高质量回放的双向（BI）解码。研究对象是视频压缩与重建，并非 EEG 或 BCI 信号建模。 核心机制是共享分层潜变量编解码器，以递归方式生成两条解码路径使用的相同条件信息。UniGVC-BI 采用具有密集注意力的 BI-DiT，服务于质量优先的随机访问解码；UniGVC-AR 采用窗口化 AR-DiT，支持低延迟流式解码。共享条件使 UniGVC-BI 能作为条件教师，对 UniGVC-AR 进行单步蒸馏；另以小型条件视频解码器进一步降低流式解码延迟。摘要未披露具体损失函数、训练数据与蒸馏流程。 作者报告，在标准 1080p 基准上，UniGVC-BI 在所评估方法中取得最佳整体率失真感知权衡，并能在低至 0.0005 bits per pixel 的码率下生成时间上稳定的视频；但摘要未给出基准名称、具体指标及对照结果。作者报告，UniGVC-AR 在保持竞争力的同时，以 36.85 FPS 解码 1080p 视频，速度超过 UniGVC-BI 的 250 倍。该速度比较的硬件、序列长度、计时范围与其他运行条件尚未验证，不能直接视为不同部署环境下的速度保证。 复现时需核对码率核算方式、质量与感知指标、随机访问设置、流式延迟定义，以及共享编解码器、单步蒸馏和小型解码器各自的贡献。实验协议、消融及统计信息尚未验证。作者表示代码与模型将于之后发布，当前材料不足以确认可获取状态；摘要也未提供可直接对应 EEG/BCI 的机制或验证证据，因此不据此提出迁移有效性结论。