論文の概要: SUR-FeatNet: Predicting the Satisfied User Ratio Curvefor Image
Compression with Deep Feature Learning
- arxiv url: http://arxiv.org/abs/2001.02002v2
- Date: Sun, 5 Apr 2020 08:55:22 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-13 21:21:04.280478
- Title: SUR-FeatNet: Predicting the Satisfied User Ratio Curvefor Image
Compression with Deep Feature Learning
- Title（参考訳）: SUR-FeatNet: 深い特徴学習による画像圧縮のための満足度比曲線の予測
- Authors: Hanhe Lin, Vlad Hosu, Chunling Fan, Yun Zhang, Yuchen Mu, Raouf
Hamzaoui, Dietmar Saupe
- Abstract要約: 本研究では,SUR曲線の予測に初となる深層学習手法を提案する。
最適なパラメトリックモデルを選択するために、最大推定法とアンダーソン・ダーリング試験を適用する方法を示す。
私たちのディープラーニングアプローチは、シアムの畳み込みニューラルネットワーク、トランスファーラーニング、ディープフィーチャーラーニングに依存しています。
- 参考スコア（独自算出の注目度）: 15.2348952809434
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The satisfied user ratio (SUR) curve for a lossy image compression scheme,
e.g., JPEG, characterizes the complementary cumulative distribution function of
the just noticeable difference (JND), the smallest distortion level that can be
perceived by a subject when a reference image is compared to a distorted one. A
sequence of JNDs can be defined with a suitable successive choice of reference
images. We propose the first deep learning approach to predict SUR curves. We
show how to apply maximum likelihood estimation and the Anderson-Darling test
to select a suitable parametric model for the distribution function. We then
use deep feature learning to predict samples of the SUR curve and apply the
method of least squares to fit the parametric model to the predicted samples.
Our deep learning approach relies on a siamese convolutional neural network,
transfer learning, and deep feature learning, using pairs consisting of a
reference image and a compressed image for training. Experiments on the MCL-JCI
dataset showed state-of-the-art performance. For example, the mean
Bhattacharyya distances between the predicted and ground truth first, second,
and third JND distributions were 0.0810, 0.0702, and 0.0522, respectively, and
the corresponding average absolute differences of the peak signal-to-noise
ratio at a median of the first JND distribution were 0.58, 0.69, and 0.58 dB.
Further experiments on the JND-Pano dataset showed that the method transfers
well to high resolution panoramic images viewed on head-mounted displays.
- Abstract（参考訳）: JPEG等の損失画像圧縮スキームに対する満足ユーザ比(SUR)曲線は、基準画像が歪んだものと比較された場合に被写体によって知覚される最小の歪みレベルであるジャストインタブル差(JND)の相補的な累積分布関数を特徴付ける。
JNDのシーケンスは、参照画像の適切な連続的な選択で定義することができる。
本研究では,SUR曲線の予測に初となる深層学習手法を提案する。
分布関数に適したパラメトリックモデルを選択するために、最大推定法とアンダーソン・ダーリング試験を適用する方法を示す。
次に,高次特徴学習を用いてsur曲線のサンプルを予測し,パラメトリックモデルに適合する最小二乗法を適用した。
我々のディープラーニングアプローチは、トレーニングのために基準画像と圧縮画像からなるペアを使用して、シアム畳み込みニューラルネットワーク、転送学習、ディープラーニングに依存しています。
mcl-jciデータセットの実験は最先端のパフォーマンスを示した。
例えば、予測真理第1、第2、第3JND分布の平均Bhattacharyya距離はそれぞれ0.0810、0.0702、0.00522であり、対応する第1JND分布の中央値におけるピーク信号-ノイズ比の平均絶対差は0.58、0.69、0.58dBであった。
JND-Panoデータセットのさらなる実験により、ヘッドマウントディスプレイで見られる高解像度パノラマ画像にうまく転送されることが示された。
関連論文リスト
- Provably Robust Score-Based Diffusion Posterior Sampling for Plug-and-Play Image Reconstruction [31.503662384666274]
科学と工学において、ゴールは、ある画像のモダリティを記述する既知のフォワードモデルから収集された少数の測定値から未知の画像を推測することである。
モチベートされたスコアベース拡散モデルはその経験的成功により、画像再構成に先立って模範の印象的な候補として現れた。
論文 参考訳（メタデータ） (2024-03-25T15:58:26Z) - Ambient Diffusion Posterior Sampling: Solving Inverse Problems with
Diffusion Models trained on Corrupted Data [56.81246107125692]
Ambient Diffusion Posterior Smpling (A-DPS) は、ある種類の腐敗に対して事前訓練された生成モデルである。
A-DPSは、いくつかの画像復元タスクにおいて、クリーンなデータで訓練されたモデルよりも、速度と性能の両方で優れていることが示される。
我々はAmbient Diffusionフレームワークを拡張して、FourierサブサンプルのマルチコイルMRI測定にのみアクセスしてMRIモデルをトレーニングする。
論文 参考訳（メタデータ） (2024-03-13T17:28:20Z) - MB-RACS: Measurement-Bounds-based Rate-Adaptive Image Compressed Sensing Network [65.1004435124796]
本稿では,MB-RACS(Message-Bounds-based Rate-Adaptive Image Compressed Sensing Network)フレームワークを提案する。
実験により,提案手法が現在の先行手法を超越していることが実証された。
論文 参考訳（メタデータ） (2024-01-19T04:40:20Z) - B-Spine: Learning B-Spline Curve Representation for Robust and
Interpretable Spinal Curvature Estimation [50.208310028625284]
脊椎のB-スプライン曲線表現を学習するための新しいディープラーニングパイプラインであるB-Spineを提案する。
低画質X線画像から脊髄曲率推定のためのコブ角度を推定する。
論文 参考訳（メタデータ） (2023-10-14T15:34:57Z) - Single Image Depth Prediction Made Better: A Multivariate Gaussian Take [163.14849753700682]
本稿では,画素ごとの深度を連続的にモデル化する手法を提案する。
提案手法の精度(MG)は,KITTI深度予測ベンチマークリーダーボードの上位に位置する。
論文 参考訳（メタデータ） (2023-03-31T16:01:03Z) - Estimating the Resize Parameter in End-to-end Learned Image Compression [50.20567320015102]
本稿では,最近の画像圧縮モデルの速度歪みトレードオフをさらに改善する検索自由化フレームワークについて述べる。
提案手法により,Bjontegaard-Deltaレート(BD-rate)を最大10%向上させることができる。
論文 参考訳（メタデータ） (2022-04-26T01:35:02Z) - Score-based diffusion models for accelerated MRI [35.3148116010546]
本研究では,画像中の逆問題を容易に解けるような条件分布からデータをサンプリングする方法を提案する。
我々のモデルは、訓練のためにのみ等級画像を必要とするが、複雑な値のデータを再構成することができ、さらに並列画像まで拡張できる。
論文 参考訳（メタデータ） (2021-10-08T08:42:03Z) - Accurate Cup-to-Disc Ratio Measurement with Tight Bounding Box
Supervision in Fundus Photography [5.517632401040172]
CDRは緑内障の診断において最も重要な指標の1つである。
本研究は, 厳密な拘束箱監視のみを用いて, 底面画像における正確なCDR測定の実現可能性について検討した。
論文 参考訳（メタデータ） (2021-10-03T07:23:40Z) - Multiscale Score Matching for Out-of-Distribution Detection [19.61640396236456]
本稿では,複数の雑音尺度におけるスコア推定のノルムを利用して,分布外画像(OOD)の検出手法を提案する。
我々の方法論は完全に教師なしであり、まっすぐな前向きのトレーニングスキームに従っています。
論文 参考訳（メタデータ） (2020-10-25T15:10:31Z) - Learning Rates as a Function of Batch Size: A Random Matrix Theory
Approach to Neural Network Training [2.9649783577150837]
スパイクされたフィールド依存ランダム行列理論を用いて, ニューラルネットの損失景観に及ぼすミニバッチの影響について検討した。
我々は、スムーズで非ニュートンディープニューラルネットワークのための最大降下および適応訓練規則の解析式を導出する。
VGG/ResNetおよびImageNetデータセットのクレームを検証する。
論文 参考訳（メタデータ） (2020-06-16T11:55:45Z) - Zero-Reference Deep Curve Estimation for Low-Light Image Enhancement [156.18634427704583]
本稿では、深部ネットワークを用いた画像特異的曲線推定のタスクとして光強調を定式化するゼロ参照深部曲線推定法(Zero-DCE)を提案する。
提案手法は,DCE-Netという軽量な深層ネットワークをトレーニングし,画像のダイナミックレンジ調整のための画素幅と高次曲線を推定する。
論文 参考訳（メタデータ） (2020-01-19T13:49:15Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。