Fugu-MT 論文翻訳(概要): LC-FDNet: Learned Lossless Image Compression with Frequency Decomposition Network

論文の概要: LC-FDNet: Learned Lossless Image Compression with Frequency Decomposition Network

arxiv url: http://arxiv.org/abs/2112.06417v1
Date: Mon, 13 Dec 2021 04:49:34 GMT
ステータス: 処理完了
システム内更新日: 2021-12-15 04:04:42.712448
Title: LC-FDNet: Learned Lossless Image Compression with Frequency Decomposition Network
Title（参考訳）: LC-FDNet:周波数分解ネットワークを用いた学習損失画像圧縮
Authors: Hochang Rhee, Yeong Il Jang, Seyun Kim, Nam Ik Cho
Abstract要約: 近年の学習に基づく画像圧縮法では,高周波領域の性能低下は考慮されていない。本稿では,低周波領域と高周波領域を分離処理するために,粗大な方法で符号化を進める新しい手法を提案する。実験により,提案手法はベンチマーク高解像度データセットの最先端性能を実現することが示された。
参考スコア（独自算出の注目度）: 14.848279912686948
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Recent learning-based lossless image compression methods encode an image in the unit of subimages and achieve comparable performances to conventional non-learning algorithms. However, these methods do not consider the performance drop in the high-frequency region, giving equal consideration to the low and high-frequency areas. In this paper, we propose a new lossless image compression method that proceeds the encoding in a coarse-to-fine manner to separate and process low and high-frequency regions differently. We initially compress the low-frequency components and then use them as additional input for encoding the remaining high-frequency region. The low-frequency components act as a strong prior in this case, which leads to improved estimation in the high-frequency area. In addition, we design the frequency decomposition process to be adaptive to color channel, spatial location, and image characteristics. As a result, our method derives an image-specific optimal ratio of low/high-frequency components. Experiments show that the proposed method achieves state-of-the-art performance for benchmark high-resolution datasets.
Abstract（参考訳）: 近年の学習に基づくロスレス画像圧縮法では,サブイメージ単位の画像を符号化し,従来の非学習アルゴリズムに匹敵する性能を実現する。しかし、これらの手法は高周波領域における性能低下を考慮せず、低域と高周波領域に等しく考慮する。本稿では,低周波領域と高周波領域を別々に分離処理するために,符号化を粗視的に進行させる新しいロスレス画像圧縮法を提案する。まず、低周波成分を圧縮し、残りの高周波領域を符号化するための追加入力として使用する。この場合、低周波成分は強い先行として作用し、高周波領域における推定を改善する。さらに,色チャネル,空間位置,画像特性に適応する周波数分解プロセスを設計した。その結果,低周波数成分のイメージ特異的最適比を導出した。提案手法がベンチマーク高分解能データセットの最先端性能を実現することを示す実験を行った。

関連論文リスト

WaveDH: Wavelet Sub-bands Guided ConvNet for Efficient Image Dehazing [20.094839751816806]
画像デハージングにおけるこの効率ギャップに対処するために設計された,新規でコンパクトなConvNetであるWaveDHを紹介する。我々のWaveDHはウェーブレットサブバンドを利用して、誘導型アップ・アンド・ダウンサンプリングと周波数認識機能の改良を行う。提案手法であるWaveDHは,計算コストを大幅に削減した画像デハージングベンチマークにおいて,最先端の多くの手法より優れている。
論文参考訳（メタデータ） (2024-04-02T02:52:05Z)
Semantic Ensemble Loss and Latent Refinement for High-Fidelity Neural Image Compression [58.618625678054826]
本研究は、最適な視覚的忠実度のために設計された強化されたニューラル圧縮手法を提案する。我々は,洗練されたセマンティック・アンサンブル・ロス,シャルボニエ・ロス,知覚的損失,スタイル・ロス,非バイナリ・ディバイザ・ロスを組み込んだモデルを構築した。実験により,本手法は神経画像圧縮の統計的忠実度を著しく向上させることが示された。
論文参考訳（メタデータ） (2024-01-25T08:11:27Z)
End-to-End Optimized Image Compression with the Frequency-Oriented Transform [8.27145506280741]
本稿では,周波数指向変換により最適化された画像圧縮モデルを提案する。このモデルは任意の周波数成分を選択的に伝送することでスケーラブルな符号化を可能にする。次世代標準H.266/VVCを含む従来のコーデックをMS-SSIMで比較した。
論文参考訳（メタデータ） (2024-01-16T08:16:10Z)
Hierarchical Disentangled Representation for Invertible Image Denoising and Beyond [14.432771193620702]
画像の高周波部分にノイズが現れる傾向にあるという潜在観測に着想を得て,完全可逆復調法を提案する。ノイズ画像は、可逆変換により、清浄な低周波およびハイブリッドな高周波部品に分解する。このように、ノイズのない低周波部品と高周波部品とを逆にマージして、デノナイジングをトラクタブルにする。
論文参考訳（メタデータ） (2023-01-31T01:24:34Z)
Rank-Enhanced Low-Dimensional Convolution Set for Hyperspectral Image Denoising [50.039949798156826]
本稿では,ハイパースペクトル(HS)画像の難解化問題に対処する。ランク付き低次元畳み込み集合(Re-ConvSet)を提案する。次に、Re-ConvSetを広く使われているU-Netアーキテクチャに組み込んで、HS画像復号法を構築する。
論文参考訳（メタデータ） (2022-07-09T13:35:12Z)
Zero-shot Blind Image Denoising via Implicit Neural Representations [77.79032012459243]
暗黙的ニューラル表現(INR)のアーキテクチャ的帰納的バイアスを利用した代替的認知戦略を提案する。提案手法は,低雑音シナリオや実雑音シナリオの広い範囲において,既存のゼロショット復調手法よりも優れていることを示す。
論文参考訳（メタデータ） (2022-04-05T12:46:36Z)
Neural JPEG: End-to-End Image Compression Leveraging a Standard JPEG Encoder-Decoder [73.48927855855219]
本稿では,エンコーダとデコーダの両端に内在するニューラル表現を強化することで,符号化性能の向上を図るシステムを提案する。実験により,提案手法はJPEGに対する速度歪み性能を,様々な品質指標で改善することを示した。
論文参考訳（メタデータ） (2022-01-27T20:20:03Z)
Exploring Inter-frequency Guidance of Image for Lightweight Gaussian Denoising [1.52292571922932]
本稿では,周波数帯域を低域から高域に漸進的に洗練するために,IGNetと呼ばれる新しいネットワークアーキテクチャを提案する。この設計では、より周波数間先行と情報を利用するため、モデルサイズは軽量化でき、競争結果も維持できる。
論文参考訳（メタデータ） (2021-12-22T10:35:53Z)
Implicit Neural Representations for Image Compression [103.78615661013623]
Inlicit Neural Representations (INRs) は、様々なデータ型の新規かつ効果的な表現として注目されている。量子化、量子化を考慮した再学習、エントロピー符号化を含むINRに基づく最初の包括的圧縮パイプラインを提案する。我々は、INRによるソース圧縮に対する我々のアプローチが、同様の以前の作業よりも大幅に優れていることに気付きました。
論文参考訳（メタデータ） (2021-12-08T13:02:53Z)
Deep Unfolded Recovery of Sub-Nyquist Sampled Ultrasound Image [94.42139459221784]
本稿では,ISTAアルゴリズムの展開に基づく時空間領域におけるサブNyquistサンプルからの再構成手法を提案する。本手法は,高品質な撮像性能を確保しつつ,配列要素数,サンプリングレート,計算時間を削減できる。
論文参考訳（メタデータ） (2021-03-01T19:19:38Z)
Generalized Octave Convolutions for Learned Multi-Frequency Image Compression [20.504561050200365]
本稿では,初めて学習されたマルチ周波数画像圧縮とエントロピー符号化手法を提案する。これは最近開発されたオクターブの畳み込みに基づいて、潜水剤を高周波(高分解能)成分に分解する。提案した一般化オクターブ畳み込みは、他のオートエンコーダベースのコンピュータビジョンタスクの性能を向上させることができることを示す。
論文参考訳（メタデータ） (2020-02-24T01:35:29Z)

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。

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。