論文の概要: Hyperspectral Image Compression Using Implicit Neural Representation
- arxiv url: http://arxiv.org/abs/2302.04129v2
- Date: Thu, 9 Feb 2023 03:51:20 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-10 12:02:51.108940
- Title: Hyperspectral Image Compression Using Implicit Neural Representation
- Title（参考訳）: 入射ニューラル表現を用いたハイパースペクトル画像圧縮
- Authors: Shima Rezasoltani, Faisal Z. Qureshi
- Abstract要約: 本稿では,暗黙的ニューラル表現を用いたハイパースペクトル画像圧縮法を提案する。
提案手法はJPEG,JPEG2000,PCA-DCTよりも低速で圧縮できることを示す。
- 参考スコア（独自算出の注目度）: 1.4721615285883425
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Hyperspectral images, which record the electromagnetic spectrum for a pixel
in the image of a scene, often store hundreds of channels per pixel and contain
an order of magnitude more information than a typical similarly-sized color
image. Consequently, concomitant with the decreasing cost of capturing these
images, there is a need to develop efficient techniques for storing,
transmitting, and analyzing hyperspectral images. This paper develops a method
for hyperspectral image compression using implicit neural representations where
a multilayer perceptron network $\Phi_\theta$ with sinusoidal activation
functions ``learns'' to map pixel locations to pixel intensities for a given
hyperspectral image $I$. $\Phi_\theta$ thus acts as a compressed encoding of
this image. The original image is reconstructed by evaluating $\Phi_\theta$ at
each pixel location. We have evaluated our method on four benchmarks -- Indian
Pines, Cuprite, Pavia University, and Jasper Ridge -- and we show the proposed
method achieves better compression than JPEG, JPEG2000, and PCA-DCT at low
bitrates.
- Abstract（参考訳）: ハイパースペクトル画像は、シーンの画像中のピクセルの電磁スペクトルを記録し、しばしば1ピクセルあたり数百のチャネルを格納し、典型的な同様の大きさのカラー画像よりも桁違いに多くの情報を含む。
その結果、これらの画像の撮影コストの低減と相まって、ハイパースペクトル画像の保存、送信、解析のための効率的な技術を開発する必要がある。
本稿では,多層型パーセプトロンネットワークである$\phi_\theta$ と正弦波活性化関数 ``learns'' を用いて,与えられた超スペクトル画像 $i$ の画素位置をピクセル強度にマッピングする,暗黙的ニューラルネットワークを用いたハイパースペクトル画像圧縮法を開発した。
したがって$\phi_\theta$は、この画像の圧縮符号化として機能する。
元の画像は、各ピクセル位置で$\Phi_\theta$を評価することで再構成される。
本手法はインドマツ, カップライト, パヴィア大学, ジャスパーリッジの4つのベンチマークで評価し, 低ビットレートでjpeg, jpeg2000, pca-dctよりも優れた圧縮を実現することを示す。
関連論文リスト
- Hyperspectral Image Compression Using Sampling and Implicit Neural
Representations [2.3931689873603603]
ハイパースペクトル画像は、シーンの画像中の画素の電磁スペクトルを記録する。
これらの画像の撮影コストが低下する中で、ハイパースペクトル画像の保存、送信、解析のための効率的な技術を開発する必要がある。
本稿では,暗黙的ニューラル表現を用いたハイパースペクトル画像圧縮法を提案する。
論文 参考訳（メタデータ） (2023-12-04T01:10:04Z) - CompaCT: Fractal-Based Heuristic Pixel Segmentation for Lossless Compression of High-Color DICOM Medical Images [0.0]
医用画像は、医師による正確な分析のために、ピクセル単位の12ビットの高色深度を必要とする。
フィルタリングによる画像の標準圧縮はよく知られているが、具体化されていない実装のため、医療領域ではまだ最適ではない。
本研究では,動的に拡張されたデータ処理のための画素濃度の空間的特徴とパターンをターゲットとした医用画像圧縮アルゴリズムCompaCTを提案する。
論文 参考訳（メタデータ） (2023-08-24T21:43:04Z) - You Can Mask More For Extremely Low-Bitrate Image Compression [80.7692466922499]
近年,学習画像圧縮(lic)法は大きな進歩を遂げている。
licメソッドは、画像圧縮に不可欠な画像構造とテクスチャコンポーネントを明示的に探索することができない。
原画像の構造とテクスチャに基づいて可視パッチをサンプリングするDA-Maskを提案する。
極めて低ビットレート圧縮のために, lic と lic のエンドツーエンドを統一する最初のフレームワークである, 単純で効果的なマスク付き圧縮モデル (MCM) を提案する。
論文 参考訳（メタデータ） (2023-06-27T15:36:22Z) - 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) - CoordFill: Efficient High-Resolution Image Inpainting via Parameterized
Coordinate Querying [52.91778151771145]
本稿では,近年の連続的暗黙表現の発達により,その限界を初めて破ろうとする。
実験の結果,提案手法はGTX 2080 Ti GPUを用いて2048$times$2048の画像をリアルタイムに処理できることがわかった。
論文 参考訳（メタデータ） (2023-03-15T11:13:51Z) - 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) - Spiking sampling network for image sparse representation and dynamic
vision sensor data compression [0.0]
スパース表現は、ストレージのリソースを大幅に節約し、低次元空間におけるデータの代表的な特徴を見つけることができるため、大きな注目を集めている。
本稿では,スパイクサンプリングネットワークを提案する。
このネットワークはスパイクニューロンで構成されており、どのピクセルポイントを保持すべきか、どのピクセルポイントを入力に応じてマスクする必要があるのかを動的に決定することができる。
論文 参考訳（メタデータ） (2022-11-08T11:11:10Z) - COIN: COmpression with Implicit Neural representations [64.02694714768691]
画像圧縮のための新しい簡易手法を提案する。
画像の各ピクセルのRGB値を格納する代わりに、画像に過度に適合したニューラルネットワークの重みを格納する。
論文 参考訳（メタデータ） (2021-03-03T10:58:39Z) - 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)
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。