論文の概要: Lossless Compression of Mosaic Images with Convolutional Neural Network Prediction

• arxiv url: http://arxiv.org/abs/2001.10484v1
• Date: Tue, 28 Jan 2020 17:41:31 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-06 02:51:33.894599
• Title: Lossless Compression of Mosaic Images with Convolutional Neural Network Prediction
• Title（参考訳）: 畳み込みニューラルネットワーク予測によるモザイク画像のロスレス圧縮
• Authors: Seyed Mehdi Ayyoubzadeh, Xiaolin Wu
• Abstract要約: デジタルカメラの原色モザイク画像に対するCNNに基づく予測無損失圧縮方式を提案する。 本稿では,空間-スペクトルモザイクパターンの高次非線形CNN予測器について述べる。
• 参考スコア（独自算出の注目度）: 24.582559317893274
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We present a CNN-based predictive lossless compression scheme for raw color mosaic images of digital cameras. This specialized application problem was previously understudied but it is now becoming increasingly important, because modern CNN methods for image restoration tasks (e.g., superresolution, low lighting enhancement, deblurring), must operate on original raw mosaic images to obtain the best possible results. The key innovation of this paper is a high-order nonlinear CNN predictor of spatial-spectral mosaic patterns. The deep learning prediction can model highly complex sample dependencies in spatial-spectral mosaic images more accurately and hence remove statistical redundancies more thoroughly than existing image predictors. Experiments show that the proposed CNN predictor achieves unprecedented lossless compression performance on camera raw images.
• Abstract（参考訳）: デジタルカメラの原色モザイク画像に対するCNNに基づく予測無損失圧縮方式を提案する。 この特殊な応用問題は以前は検討されていなかったが、現代のcnnによる画像復元の手法(例えば、超高解像度、低輝度化、デブラリング)は、元のモザイク画像上で動作し、最良の結果を得る必要があるため、ますます重要になっている。 この論文の重要な革新は、空間-スペクトルモザイクパターンの高次非線形CNN予測器である。 深層学習予測は、空間スペクトルモザイク画像における非常に複雑なサンプル依存をより正確にモデル化し、既存の画像予測装置よりも統計的冗長性を徹底的に除去することができる。 提案するcnn予測器は,カメラraw画像において前例のないロスレス圧縮性能を実現する。

関連論文リスト

• Reducing Texture Bias of Deep Neural Networks via Edge Enhancing Diffusion [4.599829659954009]
  セマンティックセグメンテーションにおけるCNNのテクスチャバイアスについて検討する。 我々は、テクスチャバイアスを減らすために、テクスチャの少ない前処理画像にCNNを訓練する。 我々はCNNの強いテクスチャ依存性と変換器の適度なテクスチャ依存性を観察する。
  論文  参考訳（メタデータ） (2024-02-14T19:10:40Z)
• Towards Explaining Satellite Based Poverty Predictions with Convolutional Neural Networks [0.0]
  深層畳み込みニューラルネットワーク(CNN)は、サテライト画像から驚くほどの精度で貧困と開発指標を予測することが示されている。 本稿では,CNNの応答を詳細に分析し,予測の基礎を説明するための最初の試みについて述べる。
  論文  参考訳（メタデータ） (2023-12-01T08:40:09Z)
• The Devil Is in the Details: Window-based Attention for Image Compression [58.1577742463617]
  既存の学習画像圧縮モデルは畳み込みニューラルネットワーク(CNN)に基づいている。 本稿では,複数種類の注意機構が局所特徴学習に与える影響について検討し,より単純で効果的なウィンドウベースの局所的注意ブロックを提案する。 提案されたウィンドウベースのアテンションは非常に柔軟で、CNNとTransformerモデルを強化するためのプラグイン・アンド・プレイコンポーネントとして機能する可能性がある。
  論文  参考訳（メタデータ） (2022-03-16T07:55:49Z)
• Joint Global and Local Hierarchical Priors for Learned Image Compression [30.44884350320053]
  近年,従来の手書き画像コーデックと比較して,学習画像圧縮法の性能が向上している。 本稿では,ローカル情報とグローバル情報の両方をコンテンツに依存した方法で活用する,情報変換(Information Transformer, Informer)と呼ばれる新しいエントロピーモデルを提案する。 実験により,Informer はKodak および Tecnick データセットの最先端手法よりも速度歪み性能が向上することを示した。
  論文  参考訳（メタデータ） (2021-12-08T06:17:37Z)
• Restormer: Efficient Transformer for High-Resolution Image Restoration [118.9617735769827]
  畳み込みニューラルネットワーク(CNN)は、大規模データから一般化可能な画像の事前学習をうまく行う。 トランスフォーマーは、自然言語とハイレベルな視覚タスクにおいて、顕著なパフォーマンス向上を示している。 我々のモデルであるRecovery Transformer (Restormer) は、いくつかの画像復元タスクにおいて最先端の結果を得る。
  論文  参考訳（メタデータ） (2021-11-18T18:59:10Z)
• OSLO: On-the-Sphere Learning for Omnidirectional images and its application to 360-degree image compression [59.58879331876508]
  全方向画像の表現モデルの学習について検討し、全方向画像の深層学習モデルで使用される数学的ツールを再定義するために、HEALPixの球面一様サンプリングの特性を利用することを提案する。 提案したオン・ザ・スフィア・ソリューションは、等方形画像に適用された類似の学習モデルと比較して、13.7%のビットレートを節約できる圧縮ゲインを向上させる。
  論文  参考訳（メタデータ） (2021-07-19T22:14:30Z)
• The Mind's Eye: Visualizing Class-Agnostic Features of CNNs [92.39082696657874]
  本稿では,特定のレイヤの最も情報性の高い特徴を表現した対応する画像を作成することにより,画像の集合を視覚的に解釈する手法を提案する。 本手法では, 生成ネットワークを必要とせず, 元のモデルに変更を加えることなく, デュアルオブジェクトのアクティベーションと距離損失を利用する。
  論文  参考訳（メタデータ） (2021-01-29T07:46:39Z)
• Convolutional Neural Networks for Multispectral Image Cloud Masking [7.812073412066698]
  畳み込みニューラルネットワーク(CNN)は多くの画像分類タスクの最先端技術であることが証明されている。 Proba-Vマルチスペクトル画像のクラウドマスキングにおける異なるCNNアーキテクチャの利用について検討する。
  論文  参考訳（メタデータ） (2020-12-09T21:33:20Z)
• SUREMap: Predicting Uncertainty in CNN-based Image Reconstruction Using Stein's Unbiased Risk Estimate [51.67813146731196]
  畳み込みニューラルネットワーク(CNN)は、コンピュータ画像再構成問題を解決する強力なツールとして登場した。 CNNはブラックボックスを理解するのが難しい。 この制限は、医療画像のような安全クリティカルな用途での利用にとって大きな障壁となる。
  論文  参考訳（メタデータ） (2020-10-25T20:29:41Z)
• Perceptually Optimizing Deep Image Compression [53.705543593594285]
  平均二乗誤差(MSE)と$ell_p$ノルムは、ニューラルネットワークの損失の測定で大きく支配されている。 本稿では,定量的知覚モデルに対して,画像解析ネットワークを最適化するための異なるプロキシ手法を提案する。
  論文  参考訳（メタデータ） (2020-07-03T14:33:28Z)

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。