論文の概要: Energy-Aware JPEG Image Compression: A Multi-Objective Approach
- arxiv url: http://arxiv.org/abs/2209.04374v1
- Date: Fri, 9 Sep 2022 16:16:30 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-12 12:18:11.011307
- Title: Energy-Aware JPEG Image Compression: A Multi-Objective Approach
- Title（参考訳）: エネルギーを考慮したJPEG画像圧縮:多目的アプローチ
- Authors: Seyed Jalaleddin Mousavirad and Lu\'is A. Alexandre
- Abstract要約: 顧客満足度はモバイルデバイスのエネルギー消費に大きく影響している。
アプリケーションでもっともエネルギーを消費する部分の1つは画像である。
典型的な画像における操作のエネルギー消費を計算する簡単な方法はない。
- 参考スコア（独自算出の注目度）: 1.933681537640272
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Customer satisfaction is crucially affected by energy consumption in mobile
devices. One of the most energy-consuming parts of an application is images.
While different images with different quality consume different amounts of
energy, there are no straightforward methods to calculate the energy
consumption of an operation in a typical image. This paper, first, investigates
that there is a correlation between energy consumption and image quality as
well as image file size. Therefore, these two can be considered as a proxy for
energy consumption. Then, we propose a multi-objective strategy to enhance
image quality and reduce image file size based on the quantisation tables in
JPEG image compression. To this end, we have used two general multi-objective
metaheuristic approaches: scalarisation and Pareto-based. Scalarisation methods
find a single optimal solution based on combining different objectives, while
Pareto-based techniques aim to achieve a set of solutions. In this paper, we
embed our strategy into five scalarisation algorithms, including energy-aware
multi-objective genetic algorithm (EnMOGA), energy-aware multi-objective
particle swarm optimisation (EnMOPSO), energy-aware multi-objective
differential evolution (EnMODE), energy-aware multi-objective evolutionary
strategy (EnMOES), and energy-aware multi-objective pattern search (EnMOPS).
Also, two Pareto-based methods, including a non-dominated sorting genetic
algorithm (NSGA-II) and a reference-point-based NSGA-II (NSGA-III) are used for
the embedding scheme, and two Pareto-based algorithms, EnNSGAII and EnNSGAIII,
are presented. Experimental studies show that the performance of the baseline
algorithm is improved by embedding the proposed strategy into metaheuristic
algorithms.
- Abstract（参考訳）: 顧客満足度はモバイルデバイスのエネルギー消費に大きく影響している。
アプリケーションでもっともエネルギーを消費する部分の1つは画像である。
異なる画質の異なる画像は異なる量のエネルギーを消費するが、典型的な画像における操作のエネルギー消費を計算する簡単な方法は存在しない。
本稿では,まず,エネルギー消費と画質と画像ファイルサイズとの間に相関があることを示す。
したがって、これら2つはエネルギー消費のプロキシと見なすことができる。
次に,JPEG画像圧縮における量子化テーブルに基づく画像品質の向上と画像ファイルサイズ削減のための多目的戦略を提案する。
この目的のために、スカラー化とパレートベースという2つの一般的な多目的メタヒューリスティックアプローチを用いた。
スカラー化手法は、異なる目的を組み合わせることによって単一の最適解を見つけるが、paretoベースの手法は、解の集合を達成することを目的としている。
本稿では、エネルギー対応多目的遺伝的アルゴリズム(EnMOGA)、エネルギー対応多目的粒子群最適化(EnMOPSO)、エネルギー対応多目的微分進化(EnMODE)、エネルギー対応多目的進化戦略(EnMOES)、エネルギー対応多目的パターン探索(EnMOPS)の5つのスカラー化アルゴリズムに戦略を組み込む。
また、非支配的ソート遺伝的アルゴリズム(NSGA-II)と基準点に基づくNSGA-II(NSGA-III)を含む2つのParetoベースの手法を埋め込みスキームに用いて、EnNSGAIIとEnNSGAIIIという2つのParetoベースのアルゴリズムを提示する。
実験により,提案手法をメタヒューリスティックアルゴリズムに組み込むことにより,ベースラインアルゴリズムの性能が向上することを示した。
関連論文リスト
- A Lightweight GAN-Based Image Fusion Algorithm for Visible and Infrared Images [4.473596922028091]
本稿では、可視光と赤外画像の融合に特化して設計された軽量画像融合アルゴリズムを提案する。
提案手法は,GAN (Generative Adversarial Network) において, Convolutional Block Attention Module を統合することでジェネレータを増強する。
M3FDデータセットを用いた実験により、提案アルゴリズムは、融合品質の点で類似した画像融合法より優れていることを示した。
論文 参考訳（メタデータ） (2024-09-07T18:04:39Z) - Parameter-Inverted Image Pyramid Networks [49.35689698870247]
Inverted Image Pyramid Networks (PIIP) 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。
私たちの中核となる考え方は、パラメータサイズの異なるモデルを使用して、画像ピラミッドの解像度の異なるレベルを処理することです。
PIIPは、オブジェクト検出、セグメンテーション、画像分類などのタスクにおいて優れたパフォーマンスを達成する。
論文 参考訳（メタデータ） (2024-06-06T17:59:10Z) - Qubit-efficient Variational Quantum Algorithms for Image Segmentation [4.737806718785056]
量子コンピューティングは、古典的なアルゴリズムの範囲を超えて、様々な計算タスクを変換することが期待されている。
本研究では,教師なし画像分割における変分量子アルゴリズム(VQA)の適用について検討する。
論文 参考訳（メタデータ） (2024-05-23T10:21:57Z) - Real-Time Image Segmentation via Hybrid Convolutional-Transformer Architecture Search [49.81353382211113]
マルチヘッド自己認識を高分解能表現CNNに効率的に組み込むという課題に対処する。
本稿では,高解像度機能の利点をフル活用したマルチターゲットマルチブランチ・スーパーネット手法を提案する。
本稿では,Hybrid Convolutional-Transformer Architecture Search (HyCTAS)法を用いて,軽量畳み込み層とメモリ効率のよい自己保持層を最適に組み合わせたモデルを提案する。
論文 参考訳（メタデータ） (2024-03-15T15:47:54Z) - Two Approaches to Supervised Image Segmentation [55.616364225463066]
本研究は、深層学習とマルチセットニューロンのアプローチの比較実験を開発する。
ディープラーニングアプローチは、画像セグメンテーションの実行の可能性を確認した。
代替のマルチセット手法では、計算資源をほとんど必要とせずに精度を向上することができた。
論文 参考訳（メタデータ） (2023-07-19T16:42:52Z) - AutoQML: Automatic Generation and Training of Robust Quantum-Inspired
Classifiers by Using Genetic Algorithms on Grayscale Images [0.0]
グレースケール画像上で量子インスパイアされた分類器を自動生成・訓練するハイブリッドシステムを提案する。
我々は、最小限の回路と、見えないデータに対する高い精度を得るために、動的適合関数を定義する。
論文 参考訳（メタデータ） (2022-08-28T16:33:48Z) - Sub-Image Histogram Equalization using Coot Optimization Algorithm for
Segmentation and Parameter Selection [0.0]
平均および分散に基づくサブイメージヒストグラム等化(MVSIHE)アルゴリズムは,これらのコントラスト強化手法の1つである。
本研究では,直近の最適化アルゴリズム,すなわちcoot Optimization algorithm(COA)を用いて,MVSIHEアルゴリズムの適切なパラメータを選択する。
その結果, バイオメディカル画像処理の分野では, 提案手法が有効であることが示唆された。
論文 参考訳（メタデータ） (2022-05-31T06:51:45Z) - Multi-Channel Convolutional Analysis Operator Learning for Dual-Energy
CT Reconstruction [108.06731611196291]
我々は,多チャンネル畳み込み解析演算子学習法(MCAOL)を開発した。
本研究では,低エネルギー,高エネルギーで減衰画像を共同で再構成する最適化手法を提案する。
論文 参考訳（メタデータ） (2022-03-10T14:22:54Z) - Image-specific Convolutional Kernel Modulation for Single Image
Super-resolution [85.09413241502209]
本稿では,新しい画像特異的畳み込み変調カーネル(IKM)を提案する。
我々は、画像や特徴のグローバルな文脈情報を利用して、畳み込みカーネルを適応的に調整するための注意重みを生成する。
単一画像超解像実験により,提案手法は最先端手法よりも優れた性能を示した。
論文 参考訳（メタデータ） (2021-11-16T11:05:10Z) - Energy-Efficient and Federated Meta-Learning via Projected Stochastic
Gradient Ascent [79.58680275615752]
エネルギー効率のよいメタラーニングフレームワークを提案する。
各タスクは別々のエージェントによって所有されていると仮定するため、メタモデルをトレーニングするために限られたタスクが使用される。
論文 参考訳（メタデータ） (2021-05-31T08:15:44Z)
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。