Fugu-MT 論文翻訳(概要): Deep Image Compression Using Scene Text Quality Assessment

論文の概要: Deep Image Compression Using Scene Text Quality Assessment

arxiv url: http://arxiv.org/abs/2305.11373v1
Date: Fri, 19 May 2023 01:26:43 GMT
ステータス: 処理完了
システム内更新日: 2023-05-22 16:40:15.313935
Title: Deep Image Compression Using Scene Text Quality Assessment
Title（参考訳）: シーンテキスト品質評価を用いた深部画像圧縮
Authors: Shohei Uchigasaki, Tomo Miyazaki, Shinichiro Omachi
Abstract要約: 一般的な方法による高い圧縮速度は、画像が劣化し、読めないテキストになる可能性がある。圧縮画像のテキスト品質を評価するためのシーンテキスト品質評価モデルを開発した。
参考スコア（独自算出の注目度）: 6.445605125467574
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: Image compression is a fundamental technology for Internet communication engineering. However, a high compression rate with general methods may degrade images, resulting in unreadable texts. In this paper, we propose an image compression method for maintaining text quality. We developed a scene text image quality assessment model to assess text quality in compressed images. The assessment model iteratively searches for the best-compressed image holding high-quality text. Objective and subjective results showed that the proposed method was superior to existing methods. Furthermore, the proposed assessment model outperformed other deep-learning regression models.
Abstract（参考訳）: 画像圧縮はインターネット通信工学の基本技術である。しかし、一般的な方法で高い圧縮率で画像が劣化し、読めないテキストが得られる。本稿では,テキスト品質を維持するための画像圧縮手法を提案する。圧縮画像のテキスト品質を評価するためのシーンテキスト品質評価モデルを開発した。評価モデルは、高品質テキストを保持するベスト圧縮画像を反復的に検索する。その結果,提案手法は既存手法よりも優れていることがわかった。さらに,提案手法は,他のディープラーニング回帰モデルよりも優れていた。

関連論文リスト

Neural Image Compression with Text-guided Encoding for both Pixel-level and Perceptual Fidelity [18.469136842357095]
我々は,高知覚率と画素ワイド忠実度を両立させる新しいテキスト誘導画像圧縮アルゴリズムを開発した。これにより、テキスト誘導生成モデルに基づく復号化を避けることができる。提案手法は,人や機械が生成するキャプションを用いて,高いピクセルレベルと知覚品質を実現する。
論文参考訳（メタデータ） (2024-03-05T13:15:01Z)
Learned Image Compression with Text Quality Enhancement [14.105456271662328]
本稿では,オリジナル画像と再構成画像間のテキストの相違を定量化するために設計された,新たなテキストロジット損失を最小限に抑えることを提案する。提案した損失関数を適切な重み付けと組み合わせることで,再構成テキストの品質が著しく向上することを発見した。
論文参考訳（メタデータ） (2024-02-13T18:20:04Z)
ENTED: Enhanced Neural Texture Extraction and Distribution for Reference-based Blind Face Restoration [51.205673783866146]
我々は,高品質でリアルな肖像画を復元することを目的とした,ブラインドフェイス修復のための新しいフレームワークであるENTEDを提案する。劣化した入力画像と参照画像の間で高品質なテクスチャ特徴を伝達するために,テクスチャ抽出と分布の枠組みを利用する。われわれのフレームワークにおけるStyleGANのようなアーキテクチャは、現実的な画像を生成するために高品質な潜伏符号を必要とする。
論文参考訳（メタデータ） (2024-01-13T04:54:59Z)
Perceptual Image Compression with Cooperative Cross-Modal Side Information [53.356714177243745]
本稿では,テキスト誘導側情報を用いた新しい深層画像圧縮手法を提案する。具体的には,CLIPテキストエンコーダとSemantic-Spatial Awareブロックを用いてテキストと画像の特徴を融合する。
論文参考訳（メタデータ） (2023-11-23T08:31:11Z)
Multi-Modality Deep Network for Extreme Learned Image Compression [31.532613540054697]
本稿では,テキストのセマンティック情報を先行情報として利用して画像圧縮性能を誘導する,テキスト誘導画像圧縮のためのマルチモーダル機械学習手法を提案する。さらに,画像とテキストの特徴を融合させるために,画像テキストアテンションモジュールと画像検索サプリメントモジュールを採用し,セマンティック・コンシステント・ロスを改良し,セマンティック・完全再構築を実現する。
論文参考訳（メタデータ） (2023-04-26T14:22:59Z)
Extreme Generative Image Compression by Learning Text Embedding from Diffusion Models [13.894251782142584]
本稿では,画像を短いテキスト埋め込みとして保存する可能性を示す生成画像圧縮手法を提案する。本手法は、知覚的品質と多様性の両方の観点から、他の最先端のディープラーニング手法よりも優れている。
論文参考訳（メタデータ） (2022-11-14T22:54:19Z)
Estimating the Resize Parameter in End-to-end Learned Image Compression [50.20567320015102]
本稿では,最近の画像圧縮モデルの速度歪みトレードオフをさらに改善する検索自由化フレームワークについて述べる。提案手法により,Bjontegaard-Deltaレート(BD-rate)を最大10%向上させることができる。
論文参考訳（メタデータ） (2022-04-26T01:35:02Z)
Extremely Low-light Image Enhancement with Scene Text Restoration [29.08094129045479]
シーンテキストを正確に復元する新しい画像強調フレームワークを提案する。我々は,自己調整型アテンションマップ,エッジマップ,新たなテキスト検出損失を用いる。提案手法は,画像復元,テキスト検出,テキストスポッティングにおいて,最先端の手法よりも優れている。
論文参考訳（メタデータ） (2022-04-01T16:10:14Z)
Early Exit or Not: Resource-Efficient Blind Quality Enhancement for Compressed Images [54.40852143927333]
ロスシー画像圧縮は、通信帯域を節約するために広範に行われ、望ましくない圧縮アーティファクトをもたらす。圧縮画像に対する資源効率の高いブラインド品質向上手法(RBQE)を提案する。提案手法は, 評価された画像の品質に応じて, 自動的にエンハンスメントを終了するか, 継続するかを決定することができる。
論文参考訳（メタデータ） (2020-06-30T07:38:47Z)
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)
Learning End-to-End Lossy Image Compression: A Benchmark [90.35363142246806]
まず,学習した画像の圧縮方法に関する総合的な文献調査を行う。本稿では,最先端の学習画像圧縮手法のマイルストーンについて述べるとともに,既存の幅広い作品について概観し,その歴史的開発ルートについて考察する。エントロピー推定と信号再構成のための粗大な超高次モデルを導入することにより、速度歪み性能の向上を実現する。
論文参考訳（メタデータ） (2020-02-10T13:13:43Z)

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。