論文の概要: Soft Compression for Lossless Image Coding

• arxiv url: http://arxiv.org/abs/2012.06240v1
• Date: Fri, 11 Dec 2020 10:59:47 GMT
• ステータス: 処理完了
• システム内更新日: 2021-05-11 02:51:46.008379
• Title: Soft Compression for Lossless Image Coding
• Title（参考訳）: ロスレス画像符号化のためのソフト圧縮
• Authors: Gangtao Xin and Pingyi Fan
• Abstract要約: 画像に関する新しい概念である圧縮可能なインジケータ関数を提案する。 ソフト圧縮を施すことにより、同じ種類の画像の送受信に必要となる帯域幅とストレージスペースを大幅に削減することが期待される。
• 参考スコア（独自算出の注目度）: 17.714164324169037
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Soft compression is a lossless image compression method, which is committed to eliminating coding redundancy and spatial redundancy at the same time by adopting locations and shapes of codebook to encode an image from the perspective of information theory and statistical distribution. In this paper, we propose a new concept, compressible indicator function with regard to image, which gives a threshold about the average number of bits required to represent a location and can be used for revealing the performance of soft compression. We investigate and analyze soft compression for binary image, gray image and multi-component image by using specific algorithms and compressible indicator value. It is expected that the bandwidth and storage space needed when transmitting and storing the same kind of images can be greatly reduced by applying soft compression.
• Abstract（参考訳）: ソフト圧縮は、符号化冗長性と空間冗長性を同時に排除し、コードブックの位置と形状を採用し、情報理論と統計分布の観点から画像を符号化する、ロスレス画像圧縮法である。 本稿では,画像に関する新しい概念である圧縮可能なインジケータ関数を提案する。これは,位置を表すのに必要なビット数の平均しきい値を与え,ソフト圧縮の性能を明らかにするために使用できる。 特定のアルゴリズムと圧縮可能なインジケータ値を用いて,2成分画像,グレー画像,多成分画像のソフト圧縮を調査し,解析する。 ソフト圧縮を適用することにより,同じ種類の画像の伝送・保存に必要な帯域幅とストレージ容量を大幅に削減できると考えられる。

関連論文リスト

• Implicit Neural Image Field for Biological Microscopy Image Compression [37.0218688308699]
  Inlicit Neural Representation (INR) に基づく適応圧縮ワークフローを提案する。 このアプローチは、任意の形状の画像を圧縮し、任意のピクセル単位の圧縮が可能な、アプリケーション固有の圧縮目的を許容する。 我々は,我々のワークフローが高精細圧縮比を達成しただけでなく,下流解析に不可欠な詳細な情報も保存できることを,広範囲にわたる顕微鏡画像で実証した。
  論文  参考訳（メタデータ） (2024-05-29T11:51:33Z)
• MISC: Ultra-low Bitrate Image Semantic Compression Driven by Large Multimodal Model [78.4051835615796]
  本稿では,マルチモーダル画像セマンティック圧縮法を提案する。 画像の意味情報を抽出するLMMエンコーダと、その意味に対応する領域を特定するマップエンコーダと、非常に圧縮されたビットストリームを生成する画像エンコーダと、前記情報に基づいて画像を再構成するデコーダとからなる。 知覚50%を節約しながら最適な一貫性と知覚結果を達成することができ、これは次世代のストレージと通信において強力な可能性を持つ。
  論文  参考訳（メタデータ） (2024-02-26T17:11:11Z)
• Extreme Image Compression using Fine-tuned VQGANs [43.43014096929809]
  本稿ではベクトル量子化(VQ)に基づく生成モデルを画像圧縮領域に導入する。 VQGANモデルによって学習されたコードブックは、強い表現能力をもたらす。 提案したフレームワークは、知覚的品質指向のメトリクスで最先端のコーデックより優れている。
  論文  参考訳（メタデータ） (2023-07-17T06:14:19Z)
• 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)
• Analysis of the Effect of Low-Overhead Lossy Image Compression on the Performance of Visual Crowd Counting for Smart City Applications [78.55896581882595]
  画像圧縮技術は画像の品質を低下させ、精度を低下させる。 本稿では,低オーバヘッド損失画像圧縮法の適用が視覚的群集カウントの精度に与える影響を解析する。
  論文  参考訳（メタデータ） (2022-07-20T19:20:03Z)
• Joint Image Compression and Denoising via Latent-Space Scalability [36.5211475555805]
  本稿では,画像の復調と圧縮を共同で行う学習画像圧縮フレームワークを提案する。 提案手法は,既存の圧縮およびデノナイジングベンチマークと比較し,最大80%の大幅な削減効果を示した。
  論文  参考訳（メタデータ） (2022-05-04T03:29:50Z)
• 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)
• Modeling Lost Information in Lossy Image Compression [72.69327382643549]
  ロスシー画像圧縮は、デジタル画像の最もよく使われる演算子の1つである。 Invertible Lossy Compression (ILC) と呼ばれる新しい非可逆的フレームワークを提案する。
  論文  参考訳（メタデータ） (2020-06-22T04:04:56Z)
• Discernible Image Compression [124.08063151879173]
  本稿では、外観と知覚の整合性の両方を追求し、圧縮画像を作成することを目的とする。 エンコーダ・デコーダ・フレームワークに基づいて,事前学習したCNNを用いて,オリジナル画像と圧縮画像の特徴を抽出する。 ベンチマーク実験により,提案手法を用いて圧縮した画像は,その後の視覚認識・検出モデルでもよく認識できることが示された。
  論文  参考訳（メタデータ） (2020-02-17T07:35:08Z)

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。