論文の概要: Low-complexity Rounded KLT Approximation for Image Compression
- arxiv url: http://arxiv.org/abs/2111.14239v1
- Date: Sun, 28 Nov 2021 21:25:35 GMT
- ステータス: 処理完了
- システム内更新日: 2021-11-30 18:59:47.224539
- Title: Low-complexity Rounded KLT Approximation for Image Compression
- Title(参考訳): 画像圧縮のための低複素丸klt近似
- Authors: A. P. Rad\"unz, F. M. Bayer, R. J. Cintra
- Abstract要約: Karhunen-Loeve変換(KLT)はデータデコリレーションや次元減少によく用いられる。
リアルタイムアプリケーションにおけるKLTの使用は、それを実装するための高速アルゴリズムを開発することの難しさによって厳しく制限されている。
本稿では,KLT行列の要素に対する円関数の適用により得られる,新しい低複雑性変換のクラスを提案する。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The Karhunen-Lo\`eve transform (KLT) is often used for data decorrelation and
dimensionality reduction. Because its computation depends on the matrix of
covariances of the input signal, the use of the KLT in real-time applications
is severely constrained by the difficulty in developing fast algorithms to
implement it. In this context, this paper proposes a new class of
low-complexity transforms that are obtained through the application of the
round function to the elements of the KLT matrix. The proposed transforms are
evaluated considering figures of merit that measure the coding power and
distance of the proposed approximations to the exact KLT and are also explored
in image compression experiments. Fast algorithms are introduced for the
proposed approximate transforms. It was shown that the proposed transforms
perform well in image compression and require a low implementation cost.
- Abstract(参考訳): Karhunen-Lo\`eve transform (KLT) はデータデコレーションや次元減少によく用いられる。
その計算は入力信号の共分散の行列に依存するため、リアルタイムアプリケーションにおけるKLTの使用は、高速アルゴリズムの実装が困難であることから、厳しい制約を受ける。
本稿では,KLT行列の要素に対する円関数の適用により得られる,新しい低複雑性変換のクラスを提案する。
提案する変換は,提案する近似の符号化力と距離を精度kltまで測定するメリットの数値を考慮して評価され,画像圧縮実験でも検討されている。
提案する近似変換に対して高速アルゴリズムを導入する。
提案手法は画像圧縮において良好な性能を示し,実装コストが低いことを示した。
関連論文リスト
- ECRF: Entropy-Constrained Neural Radiance Fields Compression with
Frequency Domain Optimization [5.990671011715725]
明示的な機能グリッドベースのNeRFモデルは、レンダリング品質とトレーニングにおける大幅なスピードアップの点で、有望な結果を示している。
本稿では,周波数領域におけるエントロピーの最小化を目的とした圧縮モデルを提案する。
論文 参考訳(メタデータ) (2023-11-23T21:23:52Z) - Stochastic Optimization for Non-convex Problem with Inexact Hessian
Matrix, Gradient, and Function [99.31457740916815]
信頼領域(TR)と立方体を用いた適応正則化は、非常に魅力的な理論的性質を持つことが証明されている。
TR法とARC法はヘッセン関数,勾配関数,関数値の非コンパクトな計算を同時に行うことができることを示す。
論文 参考訳(メタデータ) (2023-10-18T10:29:58Z) - Frequency-Aware Re-Parameterization for Over-Fitting Based Image
Compression [12.725194101094711]
オーバーフィットベースの画像圧縮は、圧縮のための重み付け圧縮と実用のための高速収束を必要とする。
本稿では、重みを減らし収束を加速したCNNを訓練するための簡易な再パラメータ化法を提案する。
提案手法は, HEIF上に最大-46.12%のBDレートを達成し, 200回しか繰り返しない画像復元実験により検証した。
論文 参考訳(メタデータ) (2023-10-12T06:32:12Z) - DCT Approximations Based on Chen's Factorization [0.17205106391379021]
2つの8点乗算自由DCT近似を提案し、その高速アルゴリズムも導出する。
JPEGライクな画像圧縮方式による実験を行い、競合する手法と比較した。
新しい変換セットをHEVCリファレンスソフトウェアに組み込み、HEVC準拠のビデオ符号化スキームを提供する。
論文 参考訳(メタデータ) (2022-07-24T02:31:28Z) - Unified Multivariate Gaussian Mixture for Efficient Neural Image
Compression [151.3826781154146]
先行変数と超優先度を持つ潜伏変数は、変動画像圧縮において重要な問題である。
ベクトル化された視点で潜伏変数を観察する際、相関関係や相関関係は存在する。
当社のモデルでは、速度歪曲性能が向上し、圧縮速度が3.18倍に向上した。
論文 参考訳(メタデータ) (2022-03-21T11:44:17Z) - Active Phase-Encode Selection for Slice-Specific Fast MR Scanning Using
a Transformer-Based Deep Reinforcement Learning Framework [34.540525533018666]
高品質なスライス特異的軌道を生成するための軽量トランスフォーマーに基づく深層強化学習フレームワークを提案する。
提案手法は, 約150倍高速で, 復元精度を向上する。
論文 参考訳(メタデータ) (2022-03-11T05:05:09Z) - Hybrid Model-based / Data-driven Graph Transform for Image Coding [54.31406300524195]
予測内残差ブロックを符号化するハイブリッドモデルベース/データ駆動方式を提案する。
変換行列の最初の$K$固有ベクトルは、安定性のための非対称離散正弦変換(ADST)のような統計モデルから導かれる。
WebPをベースライン画像として使用することにより、我々のハイブリッドグラフ変換は、デフォルトの離散コサイン変換(DCT)よりもエネルギーの圧縮が良く、KLTよりも安定性がよいことを示す。
論文 参考訳(メタデータ) (2022-03-02T15:36:44Z) - Communication-Efficient Federated Learning via Quantized Compressed
Sensing [82.10695943017907]
提案フレームワークは,無線機器の勾配圧縮とパラメータサーバの勾配再構成からなる。
勾配スペーシフィケーションと量子化により、我々の戦略は1ビット勾配圧縮よりも高い圧縮比を達成することができる。
圧縮を行わない場合とほぼ同じ性能を実現できることを示す。
論文 参考訳(メタデータ) (2021-11-30T02:13:54Z) - Learned Block Iterative Shrinkage Thresholding Algorithm for
Photothermal Super Resolution Imaging [52.42007686600479]
深層ニューラルネットワークに展開する反復アルゴリズムを用いて,学習したブロックスパース最適化手法を提案する。
本稿では、正規化パラメータの選択を学ぶことができる学習ブロック反復収縮しきい値アルゴリズムを使用することの利点を示す。
論文 参考訳(メタデータ) (2020-12-07T09:27:16Z) - A fast and memory-efficient algorithm for smooth interpolation of
polyrigid transformations: application to human joint tracking [0.0]
運動中の関節の円滑な変形に対する行列対角化に基づくアルゴリズムを提案する。
固有分解法は、精度、計算時間、メモリ要求間のトレードオフのバランスをとることができる。
論文 参考訳(メタデータ) (2020-04-28T14:30:40Z) - Kullback-Leibler Divergence-Based Fuzzy $C$-Means Clustering
Incorporating Morphological Reconstruction and Wavelet Frames for Image
Segmentation [152.609322951917]
そこで我々は,厳密なウェーブレットフレーム変換と形態的再構成操作を組み込むことで,Kulback-Leibler (KL) 発散に基づくFuzzy C-Means (FCM) アルゴリズムを考案した。
提案アルゴリズムはよく機能し、他の比較アルゴリズムよりもセグメンテーション性能が優れている。
論文 参考訳(メタデータ) (2020-02-21T05:19:10Z)
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。