論文の概要: Practical Learned Lossless JPEG Recompression with Multi-Level Cross-Channel Entropy Model in the DCT Domain

• arxiv url: http://arxiv.org/abs/2203.16357v1
• Date: Wed, 30 Mar 2022 14:36:13 GMT
• ステータス: 処理完了
• システム内更新日: 2022-03-31 16:26:50.890655
• Title: Practical Learned Lossless JPEG Recompression with Multi-Level Cross-Channel Entropy Model in the DCT Domain
• Title（参考訳）: DCT領域におけるマルチレベルクロスチャネルエントロピーモデルを用いた実例学習型JPEG圧縮
• Authors: Lina Guo, Xinjie Shi, Dailan He, Yuanyuan Wang, Rui Ma, Hongwei Qin, Yan Wang
• Abstract要約: 本稿では,DCT領域で動作するディープラーニングに基づくJPEG再圧縮手法を提案する。 実験により,従来のJPEG再圧縮手法と比較して最先端の性能が得られた。
• 参考スコア（独自算出の注目度）: 10.655855413391324
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: JPEG is a popular image compression method widely used by individuals, data center, cloud storage and network filesystems. However, most recent progress on image compression mainly focuses on uncompressed images while ignoring trillions of already-existing JPEG images. To compress these JPEG images adequately and restore them back to JPEG format losslessly when needed, we propose a deep learning based JPEG recompression method that operates on DCT domain and propose a Multi-Level Cross-Channel Entropy Model to compress the most informative Y component. Experiments show that our method achieves state-of-the-art performance compared with traditional JPEG recompression methods including Lepton, JPEG XL and CMIX. To the best of our knowledge, this is the first learned compression method that losslessly transcodes JPEG images to more storage-saving bitstreams.
• Abstract（参考訳）: JPEGは、個人、データセンター、クラウドストレージ、ネットワークファイルシステムなどで広く使われている画像圧縮手法である。 しかし、画像圧縮の最近の進歩は主に圧縮されていない画像に焦点を当て、既存のJPEG画像は無視している。 これらのJPEG画像を適切に圧縮し、必要に応じてJPEG形式に復元するために、DCTドメイン上で動作するディープラーニングに基づくJPEG再圧縮手法を提案し、最も情報性の高いY成分を圧縮するマルチレベルクロスチャネルエントロピーモデルを提案する。 実験の結果,従来のJPEG圧縮手法であるLepton,JPEG XL,CMIXと比較して,最先端性能が得られた。 我々の知る限りでは、JPEG画像をより多くのストレージ節約ビットストリームに無作為に変換する最初の学習圧縮手法である。

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)
• Distribution prediction for image compression: An experimental re-compressor for JPEG images [1.8416014644193066]
  JPEG画像を入力として使用することにより、アルゴリズムは信号の一部をデコードして量子化されたDCT係数を取得し、より効率的な方法で再圧縮する。
  論文  参考訳（メタデータ） (2023-10-16T15:33:58Z)
• 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)
• Learned Lossless JPEG Transcoding via Joint Lossy and Residual Compression [21.205453851414248]
  DCT領域の圧縮JPEG画像を圧縮する新しいフレームワークを提案する。 提案するフレームワークはJPEG圧縮に基づいて,平均21.49%の節約を達成できる。 複数のデータセットに対する実験により,提案するフレームワークはJPEG圧縮に基づいて,平均で約21.49%の節約が可能であることを実証した。
  論文  参考訳（メタデータ） (2022-08-24T17:12:00Z)
• 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)
• Towards Flexible Blind JPEG Artifacts Removal [73.46374658847675]
  人工物除去と細部保存のトレードオフを制御するために,適応可能な品質因子を予測できるフレキシブルブラインド畳み込みニューラルネットワーク,すなわちFBCNNを提案する。 提案するFBCNNは,定量的な計測値と視覚的品質の両方の観点から,最先端の手法に対して良好な性能を実現する。
  論文  参考訳（メタデータ） (2021-09-29T17:12:10Z)
• 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)
• Learning to Improve Image Compression without Changing the Standard Decoder [100.32492297717056]
  本稿では,標準デコーダによる符号化性能向上のための学習法を提案する。 具体的には、DCT係数の分布を最適化する周波数領域事前編集法を提案する。 JPEGデコーダは変更しないので、広く使われている標準JPEGデコーダで画像を見る際には、我々のアプローチが適用可能である。
  論文  参考訳（メタデータ） (2020-09-27T19:24:42Z)
• Quantization Guided JPEG Artifact Correction [69.04777875711646]
  我々はJPEGファイル量子化行列を用いたアーティファクト修正のための新しいアーキテクチャを開発した。 これにより、特定の品質設定のためにトレーニングされたモデルに対して、単一のモデルで最先端のパフォーマンスを達成できます。
  論文  参考訳（メタデータ） (2020-04-17T00:10:08Z)

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。