Fugu-MT 論文翻訳(概要): Extension of JPEG XS for Two-Layer Lossless Coding

論文の概要: Extension of JPEG XS for Two-Layer Lossless Coding

arxiv url: http://arxiv.org/abs/2008.04558v1
Date: Tue, 11 Aug 2020 07:14:17 GMT
ステータス: 処理完了
システム内更新日: 2022-10-31 12:10:30.371122
Title: Extension of JPEG XS for Two-Layer Lossless Coding
Title（参考訳）: 2層ロスレス符号化のためのJPEG XSの拡張
Authors: Hiroyuki Kobayashi and Hitoshi Kiya
Abstract要約: 提案手法はJPEG XTに類似した2層構造を持つ。これにより、JPEG XSとの互換性を維持しながら、元のイメージを損失なく復元することが可能になります。
参考スコア（独自算出の注目度）: 14.962745191428073
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: A two-layer lossless image coding method compatible with JPEG XS is proposed. JPEG XS is a new international standard for still image coding that has the characteristics of very low latency and very low complexity. However, it does not support lossless coding, although it can achieve visual lossless coding. The proposed method has a two-layer structure similar to JPEG XT, which consists of JPEG XS coding and a lossless coding method. As a result, it enables us to losslessly restore original images, while maintaining compatibility with JPEG XS.
Abstract（参考訳）: jpeg xs対応の2層ロスレス画像符号化方式を提案する。 JPEG XSは静止画像符号化のための新しい国際規格であり、非常に低レイテンシで非常に低複雑性である。しかし、ロスレスコーディングはサポートしていないが、視覚的にロスレスコーディングを実現することができる。提案手法はJPEG XTに類似した2層構造を持ち,JPEG XS符号化とロスレス符号化からなる。その結果、JPEG XSとの互換性を維持しながら、元の画像を損失なく復元することが可能になる。

関連論文リスト

JDEC: JPEG Decoding via Enhanced Continuous Cosine Coefficients [17.437568540883106]
本稿では,コサインの連続的定式化による局所的暗黙的ニューラル表現を用いたJPEG画像デコーディングの実践的手法を提案する。提案するネットワークは,フレキシブルカラー画像JPEGアーティファクト削除タスクにおける最先端性能を実現する。
論文参考訳（メタデータ） (2024-04-03T03:28:04Z)
Unified learning-based lossy and lossless JPEG recompression [15.922937139019547]
本稿では,学習量子化テーブルとマルコフ階層型変分オートエンコーダから構成されるJPEG再圧縮フレームワークを提案する。実験の結果,JPEGが上界に近づくと,任意に低歪みが得られることがわかった。
論文参考訳（メタデータ） (2023-12-05T12:07:27Z)
Bitstream-Corrupted JPEG Images are Restorable: Two-stage Compensation and Alignment Framework for Image Restoration [23.101965117344]
実世界のJPEG画像復元問題について,ビットストリームのビット誤りを用いて検討する。本稿では、ロバストなJPEGデコーダと、2段階補正およびアライメントフレームワークを提案する。ビット誤り率の異なる3つのベンチマークで実験を行う。
論文参考訳（メタデータ） (2023-04-14T07:54:41Z)
Learned Lossless Compression for JPEG via Frequency-Domain Prediction [50.20577108662153]
JPEG画像のロスレス圧縮を学習するための新しいフレームワークを提案する。周波数領域での学習を可能にするために、DCT係数は暗黙の局所冗長性を利用するためにグループに分割される。グループ化されたDCT係数のエントロピーモデリングを実現するために、重み付きブロックに基づいてオートエンコーダのようなアーキテクチャを設計する。
論文参考訳（メタデータ） (2023-03-05T13:15:28Z)
Deep Lossy Plus Residual Coding for Lossless and Near-lossless Image Compression [85.93207826513192]
本稿では、損失のない画像圧縮とほぼロスレス画像圧縮の両面において、統合された強力な深い損失+残差(DLPR)符号化フレームワークを提案する。 VAEのアプローチにおける連立損失と残留圧縮の問題を解く。ほぼロスレスモードでは、元の残差を量子化し、与えられた$ell_infty$エラー境界を満たす。
論文参考訳（メタデータ） (2022-09-11T12:11:56Z)
Practical Learned Lossless JPEG Recompression with Multi-Level Cross-Channel Entropy Model in the DCT Domain [10.655855413391324]
本稿では,DCT領域で動作するディープラーニングに基づくJPEG再圧縮手法を提案する。実験により,従来のJPEG再圧縮手法と比較して最先端の性能が得られた。
論文参考訳（メタデータ） (2022-03-30T14:36:13Z)
Neural JPEG: End-to-End Image Compression Leveraging a Standard JPEG Encoder-Decoder [73.48927855855219]
本稿では,エンコーダとデコーダの両端に内在するニューラル表現を強化することで,符号化性能の向上を図るシステムを提案する。実験により,提案手法はJPEGに対する速度歪み性能を,様々な品質指標で改善することを示した。
論文参考訳（メタデータ） (2022-01-27T20:20:03Z)
Towards Flexible Blind JPEG Artifacts Removal [73.46374658847675]
人工物除去と細部保存のトレードオフを制御するために,適応可能な品質因子を予測できるフレキシブルブラインド畳み込みニューラルネットワーク,すなわちFBCNNを提案する。提案するFBCNNは,定量的な計測値と視覚的品質の両方の観点から,最先端の手法に対して良好な性能を実現する。
論文参考訳（メタデータ） (2021-09-29T17:12:10Z)
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)
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。