論文の概要: Conditional Perceptual Quality Preserving Image Compression

• arxiv url: http://arxiv.org/abs/2308.08154v1
• Date: Wed, 16 Aug 2023 05:57:09 GMT
• ステータス: 処理完了
• システム内更新日: 2023-08-17 14:55:52.572778
• Title: Conditional Perceptual Quality Preserving Image Compression
• Title（参考訳）: 条件付き知覚品質保存画像圧縮
• Authors: Tongda Xu, Qian Zhang, Yanghao Li, Dailan He, Zhe Wang, Yuanyuan Wang, Hongwei Qin, Yan Wang, Jingjing Liu, Ya-Qin Zhang
• Abstract要約: conditional perceptual quality は citetblau2018 で定義された知覚品質の拡張であり、ユーザ定義情報に条件付けする。 条件付き知覚品質は、速度歪み知覚トレードオフと同様の理論的性質を持つことを示す。 実験の結果,我々のフレームワークは高い知覚品質とセマンティック品質をまったく維持できないことがわかった。
• 参考スコア（独自算出の注目度）: 36.943035416593986
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We propose conditional perceptual quality, an extension of the perceptual quality defined in \citet{blau2018perception}, by conditioning it on user defined information. Specifically, we extend the original perceptual quality $d(p_{X},p_{\hat{X}})$ to the conditional perceptual quality $d(p_{X|Y},p_{\hat{X}|Y})$, where $X$ is the original image, $\hat{X}$ is the reconstructed, $Y$ is side information defined by user and $d(.,.)$ is divergence. We show that conditional perceptual quality has similar theoretical properties as rate-distortion-perception trade-off \citep{blau2019rethinking}. Based on these theoretical results, we propose an optimal framework for conditional perceptual quality preserving compression. Experimental results show that our codec successfully maintains high perceptual quality and semantic quality at all bitrate. Besides, by providing a lowerbound of common randomness required, we settle the previous arguments on whether randomness should be incorporated into generator for (conditional) perceptual quality compression. The source code is provided in supplementary material.
• Abstract（参考訳）: 本稿では,ユーザが定義した情報に条件付けすることで,知覚品質の拡張である条件付き知覚品質を提案する。 具体的には、元の知覚品質$d(p_{X},p_{\hat{X}})$を条件付き知覚品質$d(p_{X|Y},p_{\hat{X}|Y})$に拡張します。 条件付き知覚品質は、速度歪み知覚トレードオフ \citep{blau2019rethinking} と同様の理論的性質を持つことを示す。 これらの理論結果に基づき,条件付き知覚品質保存圧縮のための最適枠組みを提案する。 実験の結果,コーデックはあらゆるビットレートにおいて高い知覚品質と意味品質を維持することができた。 さらに、必要となる共通ランダム性の低いバウンドを提供することにより、(条件付き)知覚品質圧縮のためのジェネレータにランダム性を組み込むべきかという従来の議論を解決する。 ソースコードは補助材料で提供される。

関連論文リスト

• Once-for-All: Controllable Generative Image Compression with Dynamic Granularity Adaption [57.056311855630916]
  本稿では,制御可能な生成画像圧縮フレームワークである制御-GICを提案する。 高忠実度および一般性圧縮を確保しつつ、広帯域での微粒化適応を可能にする。 我々は、歴史的符号化された多粒度表現に遡ることができる条件条件付き条件付けを開発する。
  論文  参考訳（メタデータ） (2024-06-02T14:22:09Z)
• Idempotence and Perceptual Image Compression [35.469547986620476]
  イデムポタンス(Idempotence)とは、画像の再圧縮に対する安定性である。 本稿では,非条件生成モデルにIdempotence制約を加えることにより,知覚イメージの新たなパラダイムを提案する。 我々の理論は条件付き生成と等価であり、新しいモデルを訓練する必要はない。
  論文  参考訳（メタデータ） (2024-01-17T02:05:21Z)
• Quantum-Relaxation Based Optimization Algorithms: Theoretical Extensions [10.44923461503086]
  量子ランダムアクセスコード(QRAC)は、バイナリ最適化の複数の変数を1量子ビットでエンコードする。 本研究では3つの古典的ビットを2つの量子ビットにエンコードする別のQRACを用いて量子緩和を拡張する。 また,新しい量子緩和法を設計し,量子ビット間圧縮比を常に2ドル(約2,300円)で保証する。
  論文  参考訳（メタデータ） (2023-02-19T05:31:21Z)
• On Perceptual Lossy Compression: The Cost of Perceptual Reconstruction and An Optimal Training Framework [12.13586501618741]
  完全知覚品質を達成するためのコストは、達成可能なMSE歪みの2倍であることを示す。 完全知覚制約下で最小のMSE歪みを与えられたビットレートで達成するための新しいトレーニングフレームワークを提案する。
  論文  参考訳（メタデータ） (2021-06-05T02:53:38Z)
• Learning Scalable $\ell_\infty$-constrained Near-lossless Image Compression via Joint Lossy Image and Residual Compression [118.89112502350177]
  本稿では,$ell_infty$-constrained near-lossless image compressionを学習するための新しいフレームワークを提案する。 元の残差の学習確率モデルを定量化し、量子化残差の確率モデルを導出する。
  論文  参考訳（メタデータ） (2021-03-31T11:53:36Z)
• Sharp Statistical Guarantees for Adversarially Robust Gaussian Classification [54.22421582955454]
  逆向きに頑健な分類の過剰リスクに対する最適ミニマックス保証の最初の結果を提供する。 結果はAdvSNR(Adversarial Signal-to-Noise Ratio)の項で述べられており、これは標準的な線形分類と逆数設定との類似の考え方を一般化している。
  論文  参考訳（メタデータ） (2020-06-29T21:06:52Z)
• 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)
• On Biased Compression for Distributed Learning [55.89300593805943]
  バイアス圧縮機が単一ノードと分散設定の両方において線形収束率をもたらすことを初めて示す。 理論的保証と実用性能を期待できる新しいバイアス圧縮機を提案する。
  論文  参考訳（メタデータ） (2020-02-27T19:52:24Z)
• Curse of Dimensionality on Randomized Smoothing for Certifiable Robustness [151.67113334248464]
  我々は、他の攻撃モデルに対してスムースな手法を拡張することは困難であることを示す。 我々はCIFARに関する実験結果を示し,その理論を検証した。
  論文  参考訳（メタデータ） (2020-02-08T22:02:14Z)

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。