Fugu-MT 論文翻訳(概要): Comparison of Lossless Image Formats

論文の概要: Comparison of Lossless Image Formats

arxiv url: http://arxiv.org/abs/2108.02557v1
Date: Fri, 25 Jun 2021 10:49:15 GMT
ステータス: 処理完了
システム内更新日: 2023-03-25 13:41:51.745201
Title: Comparison of Lossless Image Formats
Title（参考訳）: ロスレス画像フォーマットの比較
Authors: David Barina
Abstract要約: FLIFは現在、ロスレス画像圧縮の最も効率的なフォーマットであることが判明した。これとは対照的に、FLIF開発者はJPEG XLに賛成して開発を中止した。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by-sa/4.0/
Abstract: In recent years, a bag with image and video compression formats has been torn. However, most of them are focused on lossy compression and only marginally support the lossless mode. In this paper, I will focus on lossless formats and the critical question: "Which one is the most efficient?" It turned out that FLIF is currently the most efficient format for lossless image compression. This finding is in contrast to that FLIF developers stopped its development in favor of JPEG XL.
Abstract（参考訳）: 近年、画像圧縮フォーマットとビデオ圧縮フォーマットを備えたバッグが取り壊されている。しかし、それらのほとんどはロスレス圧縮にフォーカスしており、ロスレスモードのみをサポートしている。本稿では、ロスレスフォーマットと「どちらが最も効率的か」という重要な疑問に焦点をあてる。 FLIFは現在、ロスレス画像圧縮の最も効率的なフォーマットであることが判明した。これとは対照的に、FLIF開発者はJPEG XLに賛成して開発を中止した。

関連論文リスト

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)
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)
PILC: Practical Image Lossless Compression with an End-to-end GPU Oriented Neural Framework [88.18310777246735]
本稿では,1台のNVIDIA Tesla V100 GPUを用いて,圧縮と圧縮の両面で200MB/sを実現するエンドツーエンド画像圧縮フレームワークを提案する。実験により、我々のフレームワークは、複数のデータセットで30%のマージンで、PNGよりも圧縮が優れていることが示された。
論文参考訳（メタデータ） (2022-06-10T03:00:10Z)
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)
Discrete Cosine Transform in JPEG Compression [0.0]
本稿では,共同写真エキスパートグループやjpegファイルフォーマットにおける画像圧縮における離散コサイン変換やdctの必要性について述べる。最後のセクションでは、画像処理におけるDCTのさらなる実世界の応用について説明します。
論文参考訳（メタデータ） (2021-02-13T17:50:21Z)
Towards Robust Data Hiding Against (JPEG) Compression: A Pseudo-Differentiable Deep Learning Approach [78.05383266222285]
これらの圧縮に対抗できるデータ隠蔽の目標を達成することは、依然としてオープンな課題である。ディープラーニングはデータの隠蔽に大きな成功を収めていますが、JPEGの非差別化性は、損失のある圧縮に対する堅牢性を改善するための深いパイプラインのトレーニングを困難にしています。本稿では,上記の制約をすべて一度に解決するための,単純かつ効果的なアプローチを提案する。
論文参考訳（メタデータ） (2020-12-30T12:30:09Z)
Lossless Image Compression through Super-Resolution [9.392167468538464]
Super-Resolution based Compression (SReC)は、大規模なデータセット上で実用的なランタイムで最先端の圧縮速度を達成することができる。
論文参考訳（メタデータ） (2020-04-06T17:59:40Z)
Learning Better Lossless Compression Using Lossy Compression [100.50156325096611]
我々は、ロスレス画像圧縮システムを構築するために、強力なロスレス画像圧縮アルゴリズムであるBPGを利用する。我々は,BPG再構成を条件とした畳み込みニューラルネットワークに基づく確率モデルを用いて,残差分布をモデル化する。そして、この画像は、BPGが生成したビットストリームと学習した残留コーダの連結を用いて保存される。
論文参考訳（メタデータ） (2020-03-23T11:21:52Z)
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。