論文の概要: Forward Error Correction applied to JPEG-XS codestreams
- arxiv url: http://arxiv.org/abs/2207.04825v1
- Date: Mon, 11 Jul 2022 12:46:33 GMT
- ステータス: 処理完了
- システム内更新日: 2022-07-12 16:26:18.979934
- Title: Forward Error Correction applied to JPEG-XS codestreams
- Title（参考訳）: JPEG-XS符号ストリームへの前方誤差補正の適用
- Authors: Antoine Legrand, Beno\^it Macq, Christophe De Vleeschouwer
- Abstract要約: JPEG-XSは、制約があるが合理的なビットレート、低レイテンシを持つアプリケーションに対して、低複雑性の画像圧縮を提供する。
低レイテンシを維持するため、フォワードエラー補正(FEC)が関心の保護メカニズムとして考えられている。
チャネル損失率に応じてリード・ソロモン符号の冗長度に適応する速度歪み最適不等誤差保護方式を提案する。
- 参考スコア（独自算出の注目度）: 19.47618043504105
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: JPEG-XS offers low complexity image compression for applications with
constrained but reasonable bit-rate, and low latency. Our paper explores the
deployment of JPEG-XS on lossy packet networks. To preserve low latency,
Forward Error Correction (FEC) is envisioned as the protection mechanism of
interest. Despite the JPEG-XS codestream is not scalable in essence, we observe
that the loss of a codestream fraction impacts the decoded image quality
differently, depending on whether this codestream fraction corresponds to
codestream headers, to coefficients significance information, or to low/high
frequency data, respectively. Hence, we propose a rate-distortion optimal
unequal error protection scheme that adapts the redundancy level of
Reed-Solomon codes according to the rate of channel losses and the type of
information protected by the code. Our experiments demonstrate that, at 5% loss
rates, it reduces the Mean Squared Error by up to 92% and 65%, compared to a
transmission without and with optimal but equal protection, respectively.
- Abstract（参考訳）: JPEG-XSは制約があるが合理的なビットレート、低レイテンシを持つアプリケーションに対して、低複雑性の画像圧縮を提供する。
本稿では,ロッキーパケットネットワークにおけるJPEG-XSの展開について検討する。
低レイテンシを維持するため、フォワードエラー補正(FEC)が関心の保護メカニズムとして考えられている。
JPEG-XS のコードストリームは本質的にはスケーラブルではないが,コードストリーム分画の損失は,このコードストリーム分画がコードストリームヘッダ,係数情報,低頻度データに対応するかによって,復号画像の品質に異なる影響を与えることが観察された。
そこで本稿では,Reed-Solomon符号の冗長度をチャネル損失率とコードによって保護される情報の種類に応じて適応させる,レート歪みの最適不等誤差保護方式を提案する。
私たちの実験では、5%の損失率で平均二乗誤差を最大92%と65%削減できることが示されています。
関連論文リスト
- JDEC: JPEG Decoding via Enhanced Continuous Cosine Coefficients [17.437568540883106]
本稿では,コサインの連続的定式化による局所的暗黙的ニューラル表現を用いたJPEG画像デコーディングの実践的手法を提案する。
提案するネットワークは,フレキシブルカラー画像JPEGアーティファクト削除タスクにおける最先端性能を実現する。
論文 参考訳（メタデータ） (2024-04-03T03:28:04Z) - 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) - Extreme Image Compression using Fine-tuned VQGANs [43.43014096929809]
本稿ではベクトル量子化(VQ)に基づく生成モデルを画像圧縮領域に導入する。
VQGANモデルによって学習されたコードブックは、強い表現能力をもたらす。
提案したフレームワークは、知覚的品質指向のメトリクスで最先端のコーデックより優れている。
論文 参考訳（メタデータ） (2023-07-17T06:14:19Z) - 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) - Pruned Lightweight Encoders for Computer Vision [0.0]
ASTC と JPEG XS の符号化構成は、低レイテンシを確保するために、近接センサエッジデバイスで使用できることを示す。
ASTC圧縮によるmIoU(mIoU)劣化の分類精度とセグメンテーション平均値は,それぞれ4.9-5.0ポイント(pp)と4.4-4.0ppに低下した。
符号化速度の面では、ASTCエンコーダの実装はJPEGよりも2.3倍高速である。
論文 参考訳（メタデータ） (2022-11-23T17:11:48Z) - 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) - Reducing Redundancy in the Bottleneck Representation of the Autoencoders [98.78384185493624]
オートエンコーダは教師なしニューラルネットワークの一種であり、様々なタスクを解くのに使用できる。
本稿では,ボトルネック表現における特徴冗長性を明示的に罰する手法を提案する。
我々は,3つの異なるデータセットを用いた次元削減,MNISTデータセットを用いた画像圧縮,ファッションMNISTを用いた画像デノナイズという,さまざまなタスクにまたがってアプローチを検証した。
論文 参考訳（メタデータ） (2022-02-09T18:48:02Z) - 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) - 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) - Modeling Lost Information in Lossy Image Compression [72.69327382643549]
ロスシー画像圧縮は、デジタル画像の最もよく使われる演算子の1つである。
Invertible Lossy Compression (ILC) と呼ばれる新しい非可逆的フレームワークを提案する。
論文 参考訳（メタデータ） (2020-06-22T04:04:56Z)
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。