論文の概要: Metaheuristic-based Energy-aware Image Compression for Mobile App
Development
- arxiv url: http://arxiv.org/abs/2212.06313v2
- Date: Thu, 20 Apr 2023 14:38:48 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-21 16:59:09.413672
- Title: Metaheuristic-based Energy-aware Image Compression for Mobile App
Development
- Title（参考訳）: モバイルアプリ開発のためのメタヒューリスティックなエネルギー・アウェア画像圧縮
- Authors: Seyed Jalaleddin Mousavirad, Lu\'is A Alexandre
- Abstract要約: 本稿では,人口ベースJPEG画像圧縮のための新しい目的関数を提案する。
第2に,包括的カバレッジの欠如に対処するために,新しい表現を提案する。
第3に、22の最先端および最近導入されたPBMHアルゴリズムに関する包括的なベンチマークを提供する。
- 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: The JPEG standard is widely used in different image processing applications.
One of the main components of the JPEG standard is the quantisation table (QT)
since it plays a vital role in the image properties such as image quality and
file size. In recent years, several efforts based on population-based
metaheuristic (PBMH) algorithms have been performed to find the proper QT(s)
for a specific image, although they do not take into consideration the user
opinion in advance. Take an android developer as an example, who prefers a
small-size image, while the optimisation process results in a high-quality
image, leading to a huge file size. Another pitfall of the current works is a
lack of comprehensive coverage, meaning that the QT(s) can not provide all
possible combinations of file size and quality. Therefore, this paper aims to
propose three distinct contributions. First, to include the user opinion in the
compression process, the file size of the output image can be controlled by a
user in advance. To this end, we propose a novel objective function for
population-based JPEG image compression. Second, to tackle the lack of
comprehensive coverage, we suggest a novel representation. Our proposed
representation can not only provide more comprehensive coverage but also find
the proper value for the quality factor for a specific image without any
background knowledge. Both changes in representation and objective function are
independent of the search strategies and can be used with any type of
population-based metaheuristic (PBMH) algorithm. Therefore, as the third
contribution, we also provide a comprehensive benchmark on 22 state-of-the-art
and recently-introduced PBMH algorithms. Our extensive experiments on different
benchmark images and in terms of different criteria show that our novel
formulation for JPEG image compression can work effectively.
- Abstract（参考訳）: JPEG標準は様々な画像処理アプリケーションで広く使われている。
jpeg標準の主要なコンポーネントの1つは量子化テーブル(qt)であり、画像品質やファイルサイズなどの画像特性において重要な役割を果たす。
近年、人口ベースのメタヒューリスティック(pbmh)アルゴリズムに基づくいくつかの取り組みが、事前にユーザーの意見を考慮していないが、特定の画像の適切なqt(s)を見つけるために行われている。
android開発者を例にとると、小さなサイズのイメージを好むが、最適化プロセスによって高品質なイメージが得られ、巨大なファイルサイズになる。
現在の作業のもう一つの落とし穴は、包括的カバレッジの欠如である。つまり、QT(s)はファイルサイズと品質のすべての組み合わせを提供できない。
そこで本稿では,3つの異なる貢献を提案する。
まず、圧縮プロセスにユーザの意見を含めるために、出力画像のファイルサイズを予めユーザによって制御することができる。
そこで本研究では,人口ベースJPEG画像圧縮のための新たな目的関数を提案する。
第2に,包括的カバレッジの欠如に対処するために,新しい表現を提案する。
提案した表現は,より包括的なカバレッジを提供するだけでなく,背景知識のない特定の画像の品質係数の適切な値も得られる。
表現と目的関数の変化は検索戦略とは独立であり、任意の種類の集団ベースメタヒューリスティック(PBMH)アルゴリズムで使用することができる。
そこで第3の貢献として,22の最先端アルゴリズムと最近導入されたpbmhアルゴリズムに関する総合ベンチマークを提供する。
異なるベンチマーク画像に対する広範な実験と、異なる基準で、JPEG画像圧縮のための新しい定式化が有効であることを示す。
関連論文リスト
- Beyond Learned Metadata-based Raw Image Reconstruction [86.1667769209103]
生画像は、線形性や微細な量子化レベルなど、sRGB画像に対して明確な利点がある。
ストレージの要求が大きいため、一般ユーザからは広く採用されていない。
本稿では,メタデータとして,潜在空間におけるコンパクトな表現を学習する新しいフレームワークを提案する。
論文 参考訳（メタデータ） (2023-06-21T06:59:07Z) - Raw Image Reconstruction with Learned Compact Metadata [61.62454853089346]
本稿では,メタデータとしての潜在空間におけるコンパクトな表現をエンドツーエンドで学習するための新しいフレームワークを提案する。
提案する生画像圧縮方式は,グローバルな視点から重要な画像領域に適応的により多くのビットを割り当てることができることを示す。
論文 参考訳（メタデータ） (2023-02-25T05:29:45Z) - High-Perceptual Quality JPEG Decoding via Posterior Sampling [13.238373528922194]
JPEGアーチファクト修正のための異なるパラダイムを提案する。
我々は、圧縮された入力と整合しながら、シャープで詳細で視覚的に再構成された画像を得ることを目指している。
我々のソリューションは、完全な整合性のある入力に対して、多種多様な可塑性かつ高速な再構成を提供する。
論文 参考訳（メタデータ） (2022-11-21T19:47:59Z) - Perceptual Quality Assessment for Fine-Grained Compressed Images [38.615746092795625]
そこで本研究では,精細レベルの圧縮画像に対するフル参照画像品質評価(FR-IQA)手法を提案する。
提案手法は,FGIQAデータベース上での圧縮画像品質評価(FGIQA)により検証される。
論文 参考訳（メタデータ） (2022-06-08T12:56:45Z) - Variable-Rate Deep Image Compression through Spatially-Adaptive Feature
Transform [58.60004238261117]
空間特徴変換(SFT arXiv:1804.02815)に基づく多目的深部画像圧縮ネットワークを提案する。
本モデルは,任意の画素単位の品質マップによって制御される単一モデルを用いて,幅広い圧縮速度をカバーしている。
提案するフレームワークにより,様々なタスクに対してタスク対応の画像圧縮を行うことができる。
論文 参考訳（メタデータ） (2021-08-21T17:30:06Z) - 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) - Optimizing JPEG Quantization for Classification Networks [32.20485214224392]
単純なソートされたランダムサンプリング手法は、標準JPEG Q-tableの性能を上回ることができることを示す。
新しいQテーブルは、精度が固定されたときに圧縮率を10%から200%向上させることができる。
論文 参考訳（メタデータ） (2020-03-05T19:13:06Z) - Discernible Image Compression [124.08063151879173]
本稿では、外観と知覚の整合性の両方を追求し、圧縮画像を作成することを目的とする。
エンコーダ・デコーダ・フレームワークに基づいて,事前学習したCNNを用いて,オリジナル画像と圧縮画像の特徴を抽出する。
ベンチマーク実験により,提案手法を用いて圧縮した画像は,その後の視覚認識・検出モデルでもよく認識できることが示された。
論文 参考訳（メタデータ） (2020-02-17T07:35:08Z) - Saliency Driven Perceptual Image Compression [6.201592931432016]
画像圧縮技術の性能評価にはMS-SSIMやPSNRなどの評価指標が不十分であることを示す。
画像圧縮に特有な知覚的類似性データに基づいて学習する新しい指標を提案する。
このモデルは視覚的に優れた画像を生成するだけでなく、その後のコンピュータビジョンタスクに優れた性能を与える。
論文 参考訳（メタデータ） (2020-02-12T13:43:17Z)
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。