Fugu-MT 論文翻訳(概要): Color Learning for Image Compression

論文の概要: Color Learning for Image Compression

arxiv url: http://arxiv.org/abs/2306.17460v1
Date: Fri, 30 Jun 2023 08:16:48 GMT
ステータス: 処理完了
システム内更新日: 2023-07-03 13:13:18.126066
Title: Color Learning for Image Compression
Title（参考訳）: 画像圧縮のためのカラー学習
Authors: Srivatsa Prativadibhayankaram, Thomas Richter, Heiko Sparenberg, Siegfried F\"o{\ss}el
Abstract要約: 本稿では,画像圧縮のタスクを2つのサブタスクに分割した新しいディープラーニングモデルアーキテクチャを提案する。モデルは2つの別々の分岐を持ち、輝度と彩色成分を処理する。このアプローチのメリットを実証し、パフォーマンスを他のコーデックと比較します。
参考スコア（独自算出の注目度）: 1.2330326247154968
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Deep learning based image compression has gained a lot of momentum in recent times. To enable a method that is suitable for image compression and subsequently extended to video compression, we propose a novel deep learning model architecture, where the task of image compression is divided into two sub-tasks, learning structural information from luminance channel and color from chrominance channels. The model has two separate branches to process the luminance and chrominance components. The color difference metric CIEDE2000 is employed in the loss function to optimize the model for color fidelity. We demonstrate the benefits of our approach and compare the performance to other codecs. Additionally, the visualization and analysis of latent channel impulse response is performed.
Abstract（参考訳）: ディープラーニングベースの画像圧縮は、近年多くの勢いを増している。そこで本稿では,画像圧縮の課題を2つのサブタスクに分割し,輝度チャネルから構造情報を学習し,カラーチャネルから色を学習する,新しいディープラーニングモデルアーキテクチャを提案する。モデルは2つの別々の分岐を持ち、輝度と彩色成分を処理する。色差距離CIEDE2000は、色忠実度モデル最適化のために損失関数に使用される。このアプローチの利点を示し、パフォーマンスを他のコーデックと比較します。また、潜在チャネルインパルス応答の可視化および解析を行う。

関連論文リスト

SLIC: A Learned Image Codec Using Structure and Color [0.41232474244672235]
圧縮処理を輝度と彩度に分割した構造と色に基づくエンコーダ(SLIC)を提案する。ディープラーニングモデルは、YチャネルとUVチャネルのための新しいマルチスケールアーキテクチャで構築されている。提案モデルの性能を研究・解析するために, 種々の実験を行った。
論文参考訳（メタデータ） (2024-01-30T18:39:54Z)
Transferable Learned Image Compression-Resistant Adversarial Perturbations [66.46470251521947]
敵対的攻撃は容易に画像分類システムを破壊し、DNNベースの認識タスクの脆弱性を明らかにする。我々は、学習した画像圧縮機を前処理モジュールとして利用する画像分類モデルをターゲットにした新しいパイプラインを提案する。
論文参考訳（メタデータ） (2024-01-06T03:03:28Z)
Progressive Learning with Visual Prompt Tuning for Variable-Rate Image Compression [60.689646881479064]
本稿では,変圧器を用いた可変レート画像圧縮のためのプログレッシブラーニングパラダイムを提案する。視覚的プロンプトチューニングにインスパイアされた私たちは,エンコーダ側とデコーダ側でそれぞれ入力画像と隠蔽特徴のプロンプトを抽出するためにLPMを使用する。提案モデルでは, 速度歪み特性の観点から現行の可変画像法よりも優れ, スクラッチから訓練した最先端の固定画像圧縮法にアプローチする。
論文参考訳（メタデータ） (2023-11-23T08:29:32Z)
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)
Machine Perception-Driven Image Compression: A Layered Generative Approach [32.23554195427311]
階層型生成画像圧縮モデルを提案する。タスクに依存しない学習に基づく圧縮モデルを提案し、様々な圧縮されたドメインベースの分析タスクを効果的にサポートする。圧縮比、再構成画像品質、下流知覚性能の最良のバランス点を得るために、共同最適化スケジュールを採用する。
論文参考訳（メタデータ） (2023-04-14T02:12:38Z)
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)
ELIC: Efficient Learned Image Compression with Unevenly Grouped Space-Channel Contextual Adaptive Coding [9.908820641439368]
本研究では,最先端の速度と圧縮能力を実現するための効率的なモデルであるELICを提案する。優れたパフォーマンスで、提案モデルは極めて高速なプレビューデコーディングとプログレッシブデコーディングもサポートする。
論文参考訳（メタデータ） (2022-03-21T11:19:50Z)
TUCaN: Progressively Teaching Colourisation to Capsules [13.50327471049997]
TUCaN(Tiny UCapsNet)という新しいダウンサンプリングアップサンプリングアーキテクチャを提案する。我々は,色を量化空間内のビンとして識別するピクセルごとの色分類タスクとして,この問題に対処する。ネットワークをトレーニングするために、標準的なエンドツーエンド学習法とは対照的に、オブジェクトのコンテキストを抽出するプログレッシブラーニング方式を提案する。
論文参考訳（メタデータ） (2021-06-29T08:44:15Z)
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)
A Unified End-to-End Framework for Efficient Deep Image Compression [35.156677716140635]
本稿では,3つの新しい技術に基づくEDIC(Efficient Deep Image Compression)という統合フレームワークを提案する。具体的には、学習に基づく画像圧縮のためのオートエンコーダスタイルのネットワークを設計する。 EDIC法は,映像圧縮性能を向上させるために,Deep Video Compression (DVC) フレームワークに容易に組み込むことができる。
論文参考訳（メタデータ） (2020-02-09T14:21:08Z)

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。