Fugu-MT 論文翻訳(概要): A coding theorem for the rate-distortion-perception function

論文の概要: A coding theorem for the rate-distortion-perception function

arxiv url: http://arxiv.org/abs/2104.13662v1
Date: Wed, 28 Apr 2021 09:33:05 GMT
ステータス: 処理完了
システム内更新日: 2021-04-29 12:40:25.435769
Title: A coding theorem for the rate-distortion-perception function
Title（参考訳）: rate-distortion-perception関数の符号化定理
Authors: Lucas Theis and Aaron B. Wagner
Abstract要約: 我々は、変数長のコードを使って実際に theF を達成できることを示した。また、 theF は達成率が低いことを証明します。
参考スコア（独自算出の注目度）: 38.174671362014955
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: The rate-distortion-perception function (RDPF; Blau and Michaeli, 2019) has emerged as a useful tool for thinking about realism and distortion of reconstructions in lossy compression. Unlike the rate-distortion function, however, it is unknown whether encoders and decoders exist that achieve the rate suggested by the RDPF. Building on results by Li and El Gamal (2018), we show that the RDPF can indeed be achieved using stochastic, variable-length codes. For this class of codes, we also prove that the RDPF lower-bounds the achievable rate
Abstract（参考訳）: RDPF (Rlau and Michaeli, 2019) は、損失圧縮における現実性と再構成の歪みを考えるための有用なツールとして登場した。しかし、レート歪み関数とは異なり、RDPFが提案するレートを達成するエンコーダとデコーダが存在するかどうかは不明である。 Li と El Gamal (2018) の結果に基づいて, RDPF は確率的, 可変長の符号で実現可能であることを示す。このクラスの符号に対しては、RDPFが達成可能なレートを低くすることを示す。

関連論文リスト

Sample what you cant compress [6.24979299238534]
拡散に基づく損失の下で、連続エンコーダとデコーダの学習方法を示す。このアプローチは、GANベースのオートエンコーダと比較して、再構築品質が向上する。また, 得られた表現は, 最先端のGANに基づく損失から得られた表現と比較して, 潜時拡散モデルによりモデル化し易いことを示す。
論文参考訳（メタデータ） (2024-09-04T08:42:42Z)
Data-Driven Filter Design in FBP: Transforming CT Reconstruction with Trainable Fourier Series [3.6508148866314163]
本稿では,FBPフレームワーク内にCT再構成のためのトレーニング可能なフィルタを導入する。この方法は、フーリエ級数係数を最適化してフィルタを構成することにより、ノイズ低減の限界を克服する。本フィルタは既存のCT再構成モデルに容易に組み込めるので,幅広い応用に適応できるツールである。
論文参考訳（メタデータ） (2024-01-29T10:47:37Z)
High-level Feature Guided Decoding for Semantic Segmentation [54.424062794490254]
そこで本稿では,アップサンプラーが頑健な結果を得るためのガイダンス(HFG)として,強力な事前学習高レベル機能を提案する。具体的には、バックボーンの高レベルな機能はクラストークンのトレーニングに使用され、クラストークンはクラス分類のためにアップサンプラーによって再利用される。 HFGの上限を押し上げるために、低解像度の高レベル特徴に対して効率よく効果的に操作できる文脈拡張エンコーダ(CAE)を導入する。
論文参考訳（メタデータ） (2023-03-15T14:23:07Z)
Neural Estimation of the Rate-Distortion Function With Applications to Operational Source Coding [25.59334941818991]
損失のあるデータ圧縮スキームを設計する際の根本的な問題は、速度歪み関数と比較してどれだけうまくできるかである。本研究では,大規模な実世界のデータに対して,速度歪み関数を推定する手法について検討する。本稿では, NERDと呼ばれる速度歪み推定器を画像データセットに適用する。
論文参考訳（メタデータ） (2022-04-04T16:06:40Z)
The Rate-Distortion-Perception Tradeoff: The Role of Common Randomness [23.37690979017006]
本稿では,分散保存型損失圧縮問題と一致する完全現実論の事例に焦点を当てる。既存のトレードオフは、共通ランダム性の量を無限にすることで回復される。
論文参考訳（メタデータ） (2022-02-08T21:14:57Z)
Universal Rate-Distortion-Perception Representations for Lossy Compression [31.28856752892628]
我々は、エンコーダを固定し、デコーダを変更して歪みや知覚制約の集合内の任意の点を達成できる普遍表現の概念を考える。対応する情報理論の普遍的速度歪曲知覚が、近似的な意味で操作可能であることを証明した。
論文参考訳（メタデータ） (2021-06-18T18:52:08Z)
Fourier Space Losses for Efficient Perceptual Image Super-Resolution [131.50099891772598]
提案した損失関数の適用のみで,最近導入された効率的なジェネレータアーキテクチャの性能向上が可能であることを示す。フーリエ空間における周波数に対する損失の直接的強調は知覚的画質を著しく向上させることを示す。訓練されたジェネレータは、最先端の知覚的SR法である RankSRGAN と SRFlow よりも2.4倍、48倍高速である。
論文参考訳（メタデータ） (2021-06-01T20:34:52Z)
3D Human Pose and Shape Regression with Pyramidal Mesh Alignment Feedback Loop [128.07841893637337]
回帰に基づく手法は最近、単眼画像からヒトのメッシュを再構成する有望な結果を示した。パラメータの小さな偏差は、推定メッシュと画像のエビデンスの間に顕著な不一致を引き起こす可能性がある。本稿では,特徴ピラミッドを活用し,予測パラメータを補正するために,ピラミッドメッシュアライメントフィードバック(pymaf)ループを提案する。
論文参考訳（メタデータ） (2021-03-30T17:07:49Z)
Gaussian MRF Covariance Modeling for Efficient Black-Box Adversarial Attacks [86.88061841975482]
我々は,ゼロオーダーのオラクルにのみアクセス可能なブラックボックス設定において,逆例を生成する問題について検討する。我々はこの設定を用いて、FGSM(Fast Gradient Sign Method)のブラックボックス版と同様に、高速な1ステップの敵攻撃を見つける。提案手法はクエリを少なくし,現在の技術よりも攻撃成功率が高いことを示す。
論文参考訳（メタデータ） (2020-10-08T18:36:51Z)
iffDetector: Inference-aware Feature Filtering for Object Detection [70.8678270164057]
Inference-aware Feature Filtering (IFF)モジュールを導入し、現代の検出器と簡単に組み合わせることができる。 IFFは、畳み込み機能を強化するためにハイレベルなセマンティクスを活用することでクローズドループ最適化を行う。 IFFはCNNベースの物体検出器とプラグアンドプレイ方式で融合でき、計算コストのオーバーヘッドは無視できる。
論文参考訳（メタデータ） (2020-06-23T02:57:29Z)

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。