論文の概要: Animated GIF optimization by adaptive color local table management
- arxiv url: http://arxiv.org/abs/2007.04717v1
- Date: Thu, 9 Jul 2020 11:36:48 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-12 04:42:49.907611
- Title: Animated GIF optimization by adaptive color local table management
- Title(参考訳): 適応色局所テーブル管理によるアニメーションGIF最適化
- Authors: Oliver Giudice (1 and 2), Dario Allegra (1), Francesco Guarnera (1 and
2), Filippo Stanco (1), Sebastiano Battiato (1 and 2) ((1) University of
Catania, (2) iCTLab s.r.l. - Spin-off of University of Catania)
- Abstract要約: 提案手法は局所色表選択と色再現に基づく。
この技術は、知覚された色質を損なうことなく、バイト削減の観点で良好な結果が得られる。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: After thirty years of the GIF file format, today is becoming more popular
than ever: being a great way of communication for friends and communities on
Instant Messengers and Social Networks. While being so popular, the original
compression method to encode GIF images have not changed a bit. On the other
hand popularity means that storage saving becomes an issue for hosting
platforms. In this paper a parametric optimization technique for animated GIFs
will be presented. The proposed technique is based on Local Color Table
selection and color remapping in order to create optimized animated GIFs while
preserving the original format. The technique achieves good results in terms of
byte reduction with limited or no loss of perceived color quality. Tests
carried out on 1000 GIF files demonstrate the effectiveness of the proposed
optimization strategy.
- Abstract(参考訳): GIFファイルフォーマットの30年が経ち、今日(米国時間10/12)は、これまで以上に人気が高まっている。
GIF画像をエンコードするオリジナルの圧縮法は、とても人気があるが、少しは変わっていない。
一方、人気は、ホスティングプラットフォームではストレージの節約が問題になることを意味する。
本稿では,アニメーションGIFのパラメトリック最適化手法を提案する。
提案手法はローカルカラーテーブルの選択とカラーリマッピングに基づいて,元のフォーマットを保存しながら,最適化されたアニメーションGIFを作成する。
この技術は、知覚された色質を損なうことなく、バイト削減の観点で良好な結果が得られる。
1000個のGIFファイルで行ったテストは,提案手法の有効性を示した。
関連論文リスト
- Convolutional Deep Colorization for Image Compression: A Color Grid Based Approach [0.0]
本研究は,画像カラー情報の完全自動保持に対するカラーグリッドに基づくアプローチの最適化に焦点をあてる。
私たちは、保存されている色情報の量を最小限に抑えつつ、忠実に画像を再カラー化できるようにしたいと思っています。
結果,画像圧縮比は有望であったが,画像再色化は高いCSIM値に到達した。
論文 参考訳(メタデータ) (2025-02-08T01:26:05Z) - All-in-One Image Compression and Restoration [55.25638059492943]
我々はオールインワン画像の圧縮と復元のための統一的なフレームワークを提案する。
様々な劣化に対する画像復元機能を画像圧縮のプロセスに組み込む。
論文 参考訳(メタデータ) (2025-02-05T22:21:05Z) - FramePainter: Endowing Interactive Image Editing with Video Diffusion Priors [64.54220123913154]
本稿では,画像から映像への効率のよい生成問題としてFramePainterを紹介した。
軽量のスパース制御エンコーダのみを使用して編集信号を注入する。
従来の最先端の手法をはるかに少ないトレーニングデータで上回ります。
論文 参考訳(メタデータ) (2025-01-14T16:09:16Z) - Real-Time 4K Super-Resolution of Compressed AVIF Images. AIS 2024 Challenge Survey [116.29700317843043]
本稿では,AIS 2024 Real-Time Image Super-Resolution Challengeの一環として,新しいベンチマークを提案する。
圧縮された画像を540pから4Kの解像度で、商用GPUでリアルタイムでアップスケールすることを目指している。
デジタルアートからゲーム、写真まで、さまざまな4K画像を含む多様なテストセットを使用します。
論文 参考訳(メタデータ) (2024-04-25T10:12:42Z) - CAMS: Color-Aware Multi-Style Transfer [46.550390398057985]
スタイル転送は、ソースイメージ("content"イメージ)の外観を操作して、ターゲットの"style"イメージの類似したテクスチャと色を共有することを目的としている。
スタイルの転送を支援するために一般的に用いられるアプローチは、グラム行列最適化に基づいている。
スタイルと生成した画像のスタイルと色との相関を保ちながら、美的満足な結果を生成する色認識多形転写法を提案する。
論文 参考訳(メタデータ) (2021-06-26T01:15:09Z) - Learning to Improve Image Compression without Changing the Standard
Decoder [100.32492297717056]
本稿では,標準デコーダによる符号化性能向上のための学習法を提案する。
具体的には、DCT係数の分布を最適化する周波数領域事前編集法を提案する。
JPEGデコーダは変更しないので、広く使われている標準JPEGデコーダで画像を見る際には、我々のアプローチが適用可能である。
論文 参考訳(メタデータ) (2020-09-27T19:24:42Z) - A Hybrid BERT and LightGBM based Model for Predicting Emotion GIF
Categories on Twitter [7.463657960984954]
われわれは、Social 2020の共有タスクであるEmotionGIF 2020チャレンジの解決策を提示する。
ラベルのないツイートに対してGIFカテゴリを推奨するために,変換器による双方向表現(BERT)とLightGBMに基づくランク付けフレームワークを提案する。
私たちのチームは、ラウンド1のリーダーボードで平均精度@6(MAP@6)スコア0.5394で4位を獲得しました。
論文 参考訳(メタデータ) (2020-08-14T03:23:09Z) - GIFnets: Differentiable GIF Encoding Framework [31.012646999905442]
本稿では,3つの新しいニューラルネットワークを含むGIF符号化パイプラインについて紹介する。
PaletteNet、DitherNet、BandingNetはGIFエンコーディングパイプライン内で重要な機能を提供する。
ユーザスタディでは,Floyd-SteinbergベースのGIFエンコーディングよりもアルゴリズムが優れていることが示された。
論文 参考訳(メタデータ) (2020-06-24T02:39:37Z) - Exploiting Deep Generative Prior for Versatile Image Restoration and
Manipulation [181.08127307338654]
本研究は, 大規模自然画像に基づいて学習したGAN(Generative Adversarial Network)により, 得られた画像の有効利用方法を示す。
深層生成前駆体(DGP)は、色、パッチ、解像度、様々な劣化した画像の欠落したセマンティクスを復元するための説得力のある結果を提供する。
論文 参考訳(メタデータ) (2020-03-30T17:45:07Z) - Better Compression with Deep Pre-Editing [28.96388897475082]
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。
論文 参考訳(メタデータ) (2020-02-01T00:35:46Z)
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。