Fugu-MT 論文翻訳(概要): Editorial: Introduction to the Issue on Deep Learning for Image/Video Restoration and Compression

論文の概要: Editorial: Introduction to the Issue on Deep Learning for Image/Video Restoration and Compression

arxiv url: http://arxiv.org/abs/2102.06531v1
Date: Tue, 9 Feb 2021 11:24:20 GMT
ステータス: 処理完了
システム内更新日: 2023-04-12 02:58:17.917552
Title: Editorial: Introduction to the Issue on Deep Learning for Image/Video Restoration and Compression
Title（参考訳）: 特集「画像・映像復元・圧縮のための深層学習」によせて
Authors: A. Murat Tekalp, Michele Covell, Radu Timofte, Chao Dong
Abstract要約: この特別号では、学習された画像/映像の復元と圧縮における技術の現状を取り上げている。近年の研究では、学習したモデルが大幅な性能向上を達成できることが示されている。
参考スコア（独自算出の注目度）: 87.64420920726998
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: Recent works have shown that learned models can achieve significant performance gains, especially in terms of perceptual quality measures, over traditional methods. Hence, the state of the art in image restoration and compression is getting redefined. This special issue covers the state of the art in learned image/video restoration and compression to promote further progress in innovative architectures and training methods for effective and efficient networks for image/video restoration and compression.
Abstract（参考訳）: 近年の研究では、学習したモデルは、特に知覚的品質測定において、従来の手法よりも大きなパフォーマンス向上を達成できることが示されている。そのため、画像復元と圧縮における技術の現状が再定義されている。この特別号では、画像/映像の復元・圧縮における技術の現状を取り上げ、画像/映像の復元・圧縮のための効率的かつ効率的なネットワークのための革新的なアーキテクチャと訓練方法のさらなる進歩を促進する。

関連論文リスト

Traditional Transformation Theory Guided Model for Learned Image Compression [10.914558012458425]
従来の変換理論で導かれる超低強度非可逆符号化ネットワークを提案する。実験の結果,提案手法は圧縮性能と復元性能の両方において既存手法よりも優れていた。
論文参考訳（メタデータ） (2024-02-24T06:54:29Z)
A Training-Free Defense Framework for Robust Learned Image Compression [48.41990144764295]
本研究では,学習した画像圧縮モデルの敵攻撃に対する堅牢性について検討する。簡単な画像変換関数をベースとした無訓練防御手法を提案する。
論文参考訳（メタデータ） (2024-01-22T12:50:21Z)
Transferable Learned Image Compression-Resistant Adversarial Perturbations [66.46470251521947]
敵対的攻撃は容易に画像分類システムを破壊し、DNNベースの認識タスクの脆弱性を明らかにする。我々は、学習した画像圧縮機を前処理モジュールとして利用する画像分類モデルをターゲットにした新しいパイプラインを提案する。
論文参考訳（メタデータ） (2024-01-06T03:03:28Z)
High Visual-Fidelity Learned Video Compression [6.609832462227998]
我々は,HVFVC(High Visual-Fidelity Learned Video Compression framework)を提案する。具体的には,新たに出現した地域での貧弱な復興問題に対処するために,信頼度に基づく新しい特徴再構成手法を設計する。広汎な実験により提案したHVFVCは、50%しか必要とせず、最新のVVC標準よりも優れた知覚品質が得られることが示された。
論文参考訳（メタデータ） (2023-10-07T03:27:45Z)
HFLIC: Human Friendly Perceptual Learned Image Compression with Reinforced Transform [16.173583505483272]
現在の学習ベースの画像圧縮法は、人間に優しい圧縮を犠牲にし、長い復号時間を必要とすることが多い。本稿では、既存の画像圧縮モデルのバックボーンネットワークとロス関数の強化を提案し、人間の知覚と効率の改善に焦点をあてる。
論文参考訳（メタデータ） (2023-05-12T14:35:27Z)
Improving The Reconstruction Quality by Overfitted Decoder Bias in Neural Image Compression [3.058685580689605]
本稿では,デコーダのバイアスのサブセットをインスタンスベースで微調整することで,余分な符号化時間とわずかな追加信号コストと引き換えに再構成品質を向上させることを提案する。提案手法は,どのエンドツーエンド圧縮手法にも適用でき,最先端のニューラルイメージ圧縮BDレートを3-5%向上させることができる。
論文参考訳（メタデータ） (2022-10-10T08:14:01Z)
Leveraging Bitstream Metadata for Fast, Accurate, Generalized Compressed Video Quality Enhancement [74.1052624663082]
圧縮ビデオの細部を復元する深層学習アーキテクチャを開発した。これにより,従来の圧縮補正法と比較して復元精度が向上することを示す。我々は、ビットストリームで容易に利用できる量子化データに対して、我々のモデルを条件付けする。
論文参考訳（メタデータ） (2022-01-31T18:56:04Z)
Early Exit or Not: Resource-Efficient Blind Quality Enhancement for Compressed Images [54.40852143927333]
ロスシー画像圧縮は、通信帯域を節約するために広範に行われ、望ましくない圧縮アーティファクトをもたらす。圧縮画像に対する資源効率の高いブラインド品質向上手法(RBQE)を提案する。提案手法は, 評価された画像の品質に応じて, 自動的にエンハンスメントを終了するか, 継続するかを決定することができる。
論文参考訳（メタデータ） (2020-06-30T07:38:47Z)
Learning End-to-End Lossy Image Compression: A Benchmark [90.35363142246806]
まず,学習した画像の圧縮方法に関する総合的な文献調査を行う。本稿では,最先端の学習画像圧縮手法のマイルストーンについて述べるとともに,既存の幅広い作品について概観し,その歴史的開発ルートについて考察する。エントロピー推定と信号再構成のための粗大な超高次モデルを導入することにより、速度歪み性能の向上を実現する。
論文参考訳（メタデータ） (2020-02-10T13:13:43Z)

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。