論文の概要: Better Compression with Deep Pre-Editing

• arxiv url: http://arxiv.org/abs/2002.00113v3
• Date: Fri, 23 Jul 2021 18:44:52 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-05 01:13:51.360974
• Title: Better Compression with Deep Pre-Editing
• Title（参考訳）: 深層編集による圧縮性の向上
• Authors: Hossein Talebi, Damien Kelly, Xiyang Luo, Ignacio Garcia Dorado, Feng Yang, Peyman Milanfar and Michael Elad
• Abstract要約: 本稿では,入力画像の事前編集とコンテンツの変更により,圧縮アーティファクトを回避する方法を提案する。 我々の損失は、原画像と編集画像との近接性、提案画像に対するビット予算のペナルティ、および、結果を視覚的に喜ばせるように強制する非参照画像品質指標を考慮に入れている。
• 参考スコア（独自算出の注目度）: 28.96388897475082
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Could we compress images via standard codecs while avoiding visible artifacts? The answer is obvious -- this is doable as long as the bit budget is generous enough. What if the allocated bit-rate for compression is insufficient? Then unfortunately, artifacts are a fact of life. Many attempts were made over the years to fight this phenomenon, with various degrees of success. In this work we aim to break the unholy connection between bit-rate and image quality, and propose a way to circumvent compression artifacts by pre-editing the incoming image and modifying its content to fit the given bits. We design this editing operation as a learned convolutional neural network, and formulate an optimization problem for its training. Our loss takes into account a proximity between the original image and the edited one, a bit-budget penalty over the proposed image, and a no-reference image quality measure for forcing the outcome to be visually pleasing. The proposed approach is demonstrated on the popular JPEG compression, showing savings in bits and/or improvements in visual quality, obtained with intricate editing effects.
• Abstract（参考訳）: 目に見えるアーティファクトを避けながら、標準コーデックで画像を圧縮できますか? 答えは明らかです -- これはビット予算が十分寛大である限り、実行可能です。 もし圧縮のために割り当てられたビットレートが不十分なら? 残念なことに、アーティファクトは人生の事実です。 この現象と闘うために長年にわたって様々な試みが行われ、様々な成功を収めた。 本研究は,ビットレートと画像品質の不均一な接続を断ち切ることを目的として,入力画像の事前編集と,その内容の変更によって圧縮アーティファクトを回避する方法を提案する。 我々は,この編集操作を学習畳み込みニューラルネットワークとして設計し,その学習のための最適化問題を定式化する。 我々の損失は、原画像と編集画像との近接性、提案画像に対するビット予算のペナルティ、および、結果を視覚的に喜ばせるように強制する非参照画像品質指標を考慮に入れている。 提案手法は、JPEG圧縮において、ビットの節約と、複雑な編集効果によって得られる視覚的品質の改善を示す。

関連論文リスト

• Perceptual Image Compression with Cooperative Cross-Modal Side Information [53.356714177243745]
  本稿では,テキスト誘導側情報を用いた新しい深層画像圧縮手法を提案する。 具体的には,CLIPテキストエンコーダとSemantic-Spatial Awareブロックを用いてテキストと画像の特徴を融合する。
  論文  参考訳（メタデータ） (2023-11-23T08:31:11Z)
• Towards image compression with perfect realism at ultra-low bitrates [28.511327714128413]
  当社のモデルPerCoを"知覚圧縮"としてダブし、最先端コーデックを0.1から0.003ビット/ピクセルのレートで比較します。 FID と KID によって測定された現状の視覚的品質によって,本モデルが再構築に繋がることがわかった。
  論文  参考訳（メタデータ） (2023-10-16T12:08:35Z)
• Universal Deep Image Compression via Content-Adaptive Optimization with Adapters [43.291753358414255]
  ディープイメージ圧縮は、自然画像上のJPEGのような従来のコーデックよりも優れている。 深部画像圧縮は学習ベースであり、領域外画像に対して圧縮性能が著しく低下する問題に直面する。 本研究の目的は,自然画像や線画,漫画などの任意の領域に属する画像を圧縮することである。
  論文  参考訳（メタデータ） (2022-11-02T07:01:30Z)
• Optimizing Image Compression via Joint Learning with Denoising [49.83680496296047]
  スマートフォンカメラに搭載された比較的小さなセンサーのため、今日の撮像画像には高レベルのノイズが通常存在している。 計算コストを少なくして目的をシンプルかつ効果的に実現できるように,プラグイン機能付き2分岐重み共有アーキテクチャを提案する。
  論文  参考訳（メタデータ） (2022-07-22T04:23:01Z)
• PILC: Practical Image Lossless Compression with an End-to-end GPU Oriented Neural Framework [88.18310777246735]
  本稿では,1台のNVIDIA Tesla V100 GPUを用いて,圧縮と圧縮の両面で200MB/sを実現するエンドツーエンド画像圧縮フレームワークを提案する。 実験により、我々のフレームワークは、複数のデータセットで30%のマージンで、PNGよりも圧縮が優れていることが示された。
  論文  参考訳（メタデータ） (2022-06-10T03:00:10Z)
• Learning Scalable $\ell_\infty$-constrained Near-lossless Image Compression via Joint Lossy Image and Residual Compression [118.89112502350177]
  本稿では,$ell_infty$-constrained near-lossless image compressionを学習するための新しいフレームワークを提案する。 元の残差の学習確率モデルを定量化し、量子化残差の確率モデルを導出する。
  論文  参考訳（メタデータ） (2021-03-31T11:53:36Z)
• Towards Robust Data Hiding Against (JPEG) Compression: A Pseudo-Differentiable Deep Learning Approach [78.05383266222285]
  これらの圧縮に対抗できるデータ隠蔽の目標を達成することは、依然としてオープンな課題である。 ディープラーニングはデータの隠蔽に大きな成功を収めていますが、JPEGの非差別化性は、損失のある圧縮に対する堅牢性を改善するための深いパイプラインのトレーニングを困難にしています。 本稿では,上記の制約をすべて一度に解決するための,単純かつ効果的なアプローチを提案する。
  論文  参考訳（メタデータ） (2020-12-30T12:30:09Z)
• How to Exploit the Transferability of Learned Image Compression to Conventional Codecs [25.622863999901874]
  本稿では,学習した画像の符号化をサロゲートとして利用して,画像の符号化を最適化する方法を示す。 提案手法は,MS-SSIM歪みをデコードオーバーヘッドを伴わずに20%以上の速度改善で補正するために,従来の画像を再構成することができる。
  論文  参考訳（メタデータ） (2020-12-03T12:34:51Z)
• Lossy Image Compression with Normalizing Flows [19.817005399746467]
  ディープ・イメージ・圧縮のための最先端のソリューションは、通常、入力を低次元の潜在空間にマッピングするオートエンコーダを用いる。 対照的に、画像圧縮における従来のアプローチは、より幅広い品質レベルを実現する。
  論文  参考訳（メタデータ） (2020-08-24T14:46:23Z)
• Quantization Guided JPEG Artifact Correction [69.04777875711646]
  我々はJPEGファイル量子化行列を用いたアーティファクト修正のための新しいアーキテクチャを開発した。 これにより、特定の品質設定のためにトレーニングされたモデルに対して、単一のモデルで最先端のパフォーマンスを達成できます。
  論文  参考訳（メタデータ） (2020-04-17T00:10:08Z)

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。