論文の概要: Image Compression and Actionable Intelligence With Deep Neural Networks

• arxiv url: http://arxiv.org/abs/2203.13686v2
• Date: Wed, 30 Mar 2022 20:10:12 GMT
• ステータス: 処理完了
• システム内更新日: 2022-04-03 19:15:18.586686
• Title: Image Compression and Actionable Intelligence With Deep Neural Networks
• Title（参考訳）: ディープニューラルネットワークによる画像圧縮と動作可能なインテリジェンス
• Authors: Matthew Ciolino
• Abstract要約: 外部要因により、ユニットがソースからインテリジェンスを受けられない場合、不利なユーザは考慮する。 このケースでは、通常よりもインテリジェンス、特に衛星画像情報を提供するために、別のアプローチを使う必要があります。 本稿では,従来の画像圧縮,ニューラルネットワーク画像圧縮,物体検出画像カットアウト,キャプションへのイメージ・トゥ・キャプションの4つの手法について検討する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: If a unit cannot receive intelligence from a source due to external factors, we consider them disadvantaged users. We categorize this as a preoccupied unit working on a low connectivity device on the edge. This case requires that we use a different approach to deliver intelligence, particularly satellite imagery information, than normally employed. To address this, we propose a survey of information reduction techniques to deliver the information from a satellite image in a smaller package. We investigate four techniques to aid in the reduction of delivered information: traditional image compression, neural network image compression, object detection image cutout, and image to caption. Each of these mechanisms have their benefits and tradeoffs when considered for a disadvantaged user.
• Abstract（参考訳）: 外部要因により、ユニットがソースからインテリジェンスを受けられない場合、不利なユーザと見なす。 我々はこれを、エッジ上の低接続デバイスに取り組んでいる占有済みのユニットとして分類する。 このケースでは、通常よりも別のアプローチでインテリジェンス、特に衛星画像情報を提供する必要があります。 そこで本研究では,衛星画像からの情報をより小さなパッケージで配信する情報低減技術に関する調査を行う。 本研究では,従来の画像圧縮,ニューラルネットワーク画像圧縮,物体検出画像切り出し,キャプションへの画像切り出しの4つの手法について検討した。 これらのメカニズムはそれぞれ、不利なユーザのために考慮された場合のメリットとトレードオフを持っています。

関連論文リスト

• Streaming Neural Images [56.41827271721955]
  Inlicit Neural Representations (INR) は信号表現の新しいパラダイムであり、画像圧縮にかなりの関心を集めている。 本研究では,INRの計算コスト,不安定な性能,堅牢性などの限界要因について検討する。
  論文  参考訳（メタデータ） (2024-09-25T17:51:20Z)
• Bottleneck-based Encoder-decoder ARchitecture (BEAR) for Learning Unbiased Consumer-to-Consumer Image Representations [0.6990493129893112]
  本稿では,残差接続と連携して自動エンコーダ構成の知覚画像情報を符号化する,異なる画像特徴抽出機構を提案する。 予備的な結果は、提案アーキテクチャが、識別される重要な課題を解決するために、我々のデータや他の画像データセットを用いてリッチな空間を学習できることを示唆している。
  論文  参考訳（メタデータ） (2024-09-10T03:31:18Z)
• Region of Interest Loss for Anonymizing Learned Image Compression [3.0936354370614607]
  人間の顔が認識不能になり,人体が検出不能となるような,十分な匿名化を実現する方法を示す。 このアプローチは、ネットワーク越しに機密性の高い匿名化データを送信するのではなく、キャプチャデバイス上の1ステップで圧縮と匿名化を可能にする。
  論文  参考訳（メタデータ） (2024-06-09T10:36:06Z)
• Image Data Hiding in Neural Compressed Latent Representations [1.0878040851638]
  汎用ニューラル圧縮機の潜在表現に秘密を埋め込んで抽出するエンドツーエンドの学習画像データ隠蔽フレームワークを提案する。 既存の手法と比較して,圧縮領域における画像の機密性および競合性に優れた透かしを提供する。
  論文  参考訳（メタデータ） (2023-10-01T03:53:28Z)
• Human-imperceptible, Machine-recognizable Images [76.01951148048603]
  より良い開発AIシステムと、センシティブなトレーニングデータから距離を置くことの間の、ソフトウェアエンジニアに関する大きな対立が露呈している。 画像が暗号化され、人間に認識され、機械に認識される」という、効率的なプライバシー保護学習パラダイムを提案する。 提案手法は,機械が認識可能な情報を保存しながら,暗号化された画像が人間に認識されなくなることを保証できることを示す。
  論文  参考訳（メタデータ） (2023-06-06T13:41:37Z)
• Super-Resolving Face Image by Facial Parsing Information [52.1267613768555]
  顔超解像は、低解像度の顔画像を対応する高解像度の画像に変換する技術である。 我々は,低解像度の顔画像から先行する顔を抽出する,新しい解析マップ付き顔超解像ネットワークを構築した。 高解像度特徴はより正確な空間情報を含み、低解像度特徴は強い文脈情報を提供する。
  論文  参考訳（メタデータ） (2023-04-06T08:19:03Z)
• Analysis of the Effect of Low-Overhead Lossy Image Compression on the Performance of Visual Crowd Counting for Smart City Applications [78.55896581882595]
  画像圧縮技術は画像の品質を低下させ、精度を低下させる。 本稿では,低オーバヘッド損失画像圧縮法の適用が視覚的群集カウントの精度に与える影響を解析する。
  論文  参考訳（メタデータ） (2022-07-20T19:20:03Z)
• Dual Stream Computer-Generated Image Detection Network Based On Channel Joint And Softpool [10.743766528498943]
  画像とコンピュータ生成グラフィックス(CG)を区別する方法は、デジタル画像法医学の分野において重要なトピックとなっている。 本稿では,チャネル継手とソフトプールに基づく二重ストリーム畳み込みニューラルネットワークを提案する。 SPL2018 と DsTok の実験により,提案手法が既存手法より優れていることが示された。
  論文  参考訳（メタデータ） (2022-07-07T10:19:04Z)
• Proactive Pseudo-Intervention: Causally Informed Contrastive Learning For Interpretable Vision Models [103.64435911083432]
  PPI(Proactive Pseudo-Intervention)と呼ばれる新しい対照的な学習戦略を提案する。 PPIは、因果関係のない画像の特徴を保護するために積極的に介入する。 また,重要な画像画素を識別するための,因果的に通知された新たなサリエンスマッピングモジュールを考案し,モデル解釈の容易性を示す。
  論文  参考訳（メタデータ） (2020-12-06T20:30:26Z)
• Neural Sparse Representation for Image Restoration [116.72107034624344]
  スパース符号化に基づく画像復元モデルの堅牢性と効率に触発され,深部ネットワークにおけるニューロンの空間性について検討した。 本手法は,隠れたニューロンに対する空間的制約を構造的に強制する。 実験により、複数の画像復元タスクのためのディープニューラルネットワークではスパース表現が不可欠であることが示されている。
  論文  参考訳（メタデータ） (2020-06-08T05:15:17Z)

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。