論文の概要: Multi-spectral Entropy Constrained Neural Compression of Solar Imagery

• arxiv url: http://arxiv.org/abs/2309.10791v1
• Date: Tue, 19 Sep 2023 17:40:23 GMT
• ステータス: 処理完了
• システム内更新日: 2023-09-20 13:11:42.684828
• Title: Multi-spectral Entropy Constrained Neural Compression of Solar Imagery
• Title（参考訳）: 太陽画像の多スペクトルエントロピー制約ニューラル圧縮
• Authors: Ali Zafari, Atefeh Khoshkhahtinat, Piyush M. Mehta, Nasser M. Nasrabadi, Barbara J. Thompson, Michael S. F. Kirk, Daniel da Silva
• Abstract要約: 太陽のダイナミックな振る舞いを研究するミッションは、太陽のマルチスペクトル画像を捉え、毎日地上局に送信するために定義される。 伝送を効率よく実現するためには、画像圧縮システムを利用する必要がある。 最近、エンドツーエンドの最適化されたニューラルネットワークベースの画像圧縮システムが成功し、アドホックな方法で使用される可能性が高まっている。
• 参考スコア（独自算出の注目度）: 9.173243793862317
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Missions studying the dynamic behaviour of the Sun are defined to capture multi-spectral images of the sun and transmit them to the ground station in a daily basis. To make transmission efficient and feasible, image compression systems need to be exploited. Recently successful end-to-end optimized neural network-based image compression systems have shown great potential to be used in an ad-hoc manner. In this work we have proposed a transformer-based multi-spectral neural image compressor to efficiently capture redundancies both intra/inter-wavelength. To unleash the locality of window-based self attention mechanism, we propose an inter-window aggregated token multi head self attention. Additionally to make the neural compressor autoencoder shift invariant, a randomly shifted window attention mechanism is used which makes the transformer blocks insensitive to translations in their input domain. We demonstrate that the proposed approach not only outperforms the conventional compression algorithms but also it is able to better decorrelates images along the multiple wavelengths compared to single spectral compression.
• Abstract（参考訳）: 太陽の動的挙動を研究するミッションは、太陽の多重スペクトル画像をキャプチャし、それを日々地上局に送信するために定義される。 伝送を効率よく実現するためには、画像圧縮システムを利用する必要がある。 近年、エンドツーエンドで最適化されたニューラルネットワークベースの画像圧縮システムが成功し、アドホックな手法で使用される可能性が高まっている。 本研究では,イントラ/インター波長の両方の冗長性を効率的に捕捉するトランスベース多スペクトルニューラルイメージ圧縮器を提案する。 ウィンドウ型自己注意機構の局所性を解き明かすために,ウィンドウ間集約トークンのマルチヘッド自己注意を提案する。 さらに、ニューラルネットワーク圧縮機の自動エンコーダシフトを不変にするために、トランスフォーマーブロックを入力領域の翻訳に非感受性にするランダムシフトウィンドウアテンション機構を用いる。 提案手法は, 従来の圧縮アルゴリズムよりも優れるだけでなく, 単一スペクトル圧縮に比べて複数の波長に沿って画像の相関性が向上することを示す。

関連論文リスト

• Enhancing Perception Quality in Remote Sensing Image Compression via Invertible Neural Network [10.427300958330816]
  リモートセンシング画像をデコードして、特に低解像度で高い知覚品質を実現することは、依然として大きな課題である。 Invertible Neural Network-based Remote Sensor Image compression (INN-RSIC)法を提案する。 我々の INN-RSIC は、認識品質の観点から、既存の最先端のディープラーニングベースの画像圧縮手法よりも優れています。
  論文  参考訳（メタデータ） (2024-05-17T03:52:37Z)
• 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)
• Bridging the Gap between Synthetic and Authentic Images for Multimodal Machine Translation [51.37092275604371]
  マルチモーダル機械翻訳(MMT)は、ソース文と関連する画像を同時に翻訳の入力とする。 近年の研究では、画像入力のための強力なテキスト・画像生成モデルが提案されている。 しかし、これらのモデルによって生成された合成画像は、実際の画像と比較して異なる分布を辿ることが多い。
  論文  参考訳（メタデータ） (2023-10-20T09:06:30Z)
• AICT: An Adaptive Image Compression Transformer [18.05997169440533]
  我々は、より単純で効果的なTranformerベースのチャネルワイド自動回帰事前モデルを提案し、絶対画像圧縮変換器(ICT)を実現する。 提案したICTは、潜在表現からグローバルとローカルの両方のコンテキストをキャプチャできる。 我々は、サンドイッチのConvNeXtベースのプリ/ポストプロセッサで学習可能なスケーリングモジュールを活用し、よりコンパクトな潜在表現を正確に抽出する。
  論文  参考訳（メタデータ） (2023-07-12T11:32:02Z)
• Attention-Based Generative Neural Image Compression on Solar Dynamics Observatory [12.283978726972752]
  NASAのSolar Dynamics Observatory(SDO)ミッションは、地球同期軌道から毎日1.4テラバイトのデータを収集する。 近年、画像圧縮を行う上で、エンドツーエンド最適化された人工知能(ANN)が大きな可能性を示している。 我々は、宇宙ミッションで格納・回収されるデータ量を削減するために、アドホックなANNベースの画像圧縮スキームを設計した。
  論文  参考訳（メタデータ） (2022-10-12T17:39:08Z)
• Accurate Image Restoration with Attention Retractable Transformer [50.05204240159985]
  画像復元のためのアテンション・リトラクタブル・トランス (ART) を提案する。 ARTはネットワーク内の密集モジュールと疎開モジュールの両方を提示する。 画像超解像、デノナイジング、JPEG圧縮アーティファクト削減タスクについて広範な実験を行った。
  論文  参考訳（メタデータ） (2022-10-04T07:35:01Z)
• The Devil Is in the Details: Window-based Attention for Image Compression [58.1577742463617]
  既存の学習画像圧縮モデルは畳み込みニューラルネットワーク(CNN)に基づいている。 本稿では,複数種類の注意機構が局所特徴学習に与える影響について検討し,より単純で効果的なウィンドウベースの局所的注意ブロックを提案する。 提案されたウィンドウベースのアテンションは非常に柔軟で、CNNとTransformerモデルを強化するためのプラグイン・アンド・プレイコンポーネントとして機能する可能性がある。
  論文  参考訳（メタデータ） (2022-03-16T07:55:49Z)
• Entroformer: A Transformer-based Entropy Model for Learned Image Compression [17.51693464943102]
  本稿では,確率分布推定における長距離依存性を捉えるために,トランスフォーマを用いたエントロピーモデルEntroformerを提案する。 実験の結果,Entroformerは時間効率を保ちながら,画像圧縮の最先端性能を実現することがわかった。
  論文  参考訳（メタデータ） (2022-02-11T08:03:31Z)
• CSformer: Bridging Convolution and Transformer for Compressive Sensing [65.22377493627687]
  本稿では,CNNからの詳細な空間情報を活用するためのハイブリッドフレームワークと,表現学習の強化を目的としたトランスフォーマーが提供するグローバルコンテキストを統合することを提案する。 提案手法は、適応的なサンプリングとリカバリからなるエンドツーエンドの圧縮画像センシング手法である。 実験により, 圧縮センシングにおける専用トランスアーキテクチャの有効性が示された。
  論文  参考訳（メタデータ） (2021-12-31T04:37:11Z)
• Modeling Image Quantization Tradeoffs for Optimal Compression [0.0]
  ロスシー圧縮アルゴリズムは、圧縮率を上げるために高周波データを定量化することでトレードオフを狙う。 本稿では,Deep Learningとminimax損失関数を用いた量子化テーブルの最適化手法を提案する。
  論文  参考訳（メタデータ） (2021-12-14T07:35:22Z)

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。