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
- On Disentangled Training for Nonlinear Transform in Learned Image Compression [59.66885464492666]
学習画像圧縮(lic)は,従来のコーデックに比べて高いレート歪み(R-D)性能を示した。
既存のlic法は、非線形変換の学習において、エネルギーのコンパクト化によって生じる緩やかな収束を見落としている。
非線形変換の訓練において, エネルギーの縮退を両立させる線形補助変換(AuxT)を提案する。
論文 参考訳（メタデータ） (2025-01-23T15:32:06Z) - Variable-size Symmetry-based Graph Fourier Transforms for image compression [65.7352685872625]
可変サイズのグラフフーリエ変換を符号化フレームワークに導入する。
提案アルゴリズムは,ノード間の特定の対称接続を追加することにより,グリッド上の対称グラフを生成する。
実験により、SBGFTは、明示的な多重変換選択に統合された一次変換よりも優れていることが示された。
論文 参考訳（メタデータ） (2024-11-24T13:00:44Z) - Extensions on low-complexity DCT approximations for larger blocklengths based on minimal angle similarity [0.0]
離散コサイン変換(DCT)は、KLT(Karhunen-Loeve transform)に関連があるため、画像とビデオの符号化の中心的なツールである。
16点, 32点, 64点のDCT近似を導入し, 精度の高いDCT行列列と近似変換によって誘導される行列との角度を最小化する。
高速アルゴリズムは低複雑さ変換のためにも開発され、性能と計算コストのバランスが良いと主張した。
論文 参考訳（メタデータ） (2024-10-20T01:20:35Z) - Fast Data-independent KLT Approximations Based on Integer Functions [0.0]
Karhunen-Loeve変換(KLT)は確立された離散変換であり、データのデコリレーションと次元減少の最適特性を示す。
本稿では、様々なラウンドオフ関数を用いて、低複雑さでデータに依存しないKLT近似のカテゴリを紹介する。
提案した変換は,古典的性能尺度を考慮した正確なKLTおよび近似と比較すると良好に動作する。
論文 参考訳（メタデータ） (2024-10-11T20:05:05Z) - 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) - 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)
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。