Fugu-MT 論文翻訳(概要): Distribution prediction for image compression: An experimental re-compressor for JPEG images

論文の概要: Distribution prediction for image compression: An experimental re-compressor for JPEG images

arxiv url: http://arxiv.org/abs/2310.10517v1
Date: Mon, 16 Oct 2023 15:33:58 GMT
ステータス: 処理完了
システム内更新日: 2023-10-17 13:25:20.543426
Title: Distribution prediction for image compression: An experimental re-compressor for JPEG images
Title（参考訳）: 画像圧縮のための分布予測:JPEG画像の実験的再圧縮
Authors: Maxim Koroteev and Yaroslav Borisov and Pavel Frolov
Abstract要約: JPEG画像を入力として使用することにより、アルゴリズムは信号の一部をデコードして量子化されたDCT係数を取得し、より効率的な方法で再圧縮する。
参考スコア（独自算出の注目度）: 1.8416014644193066
License: http://creativecommons.org/publicdomain/zero/1.0/
Abstract: We propose a new scheme to re-compress JPEG images in a lossless way. Using a JPEG image as an input the algorithm partially decodes the signal to obtain quantized DCT coefficients and then re-compress them in a more effective way.
Abstract（参考訳）: 本稿では,JPEG画像を損失のない方法で再圧縮する手法を提案する。 JPEG画像を入力として使用することにより、アルゴリズムは信号の一部をデコードして量子化されたDCT係数を取得し、より効率的な方法で再圧縮する。

関連論文リスト

Unified learning-based lossy and lossless JPEG recompression [15.922937139019547]
本稿では,学習量子化テーブルとマルコフ階層型変分オートエンコーダから構成されるJPEG再圧縮フレームワークを提案する。実験の結果,JPEGが上界に近づくと,任意に低歪みが得られることがわかった。
論文参考訳（メタデータ） (2023-12-05T12:07:27Z)
Learned Lossless Compression for JPEG via Frequency-Domain Prediction [50.20577108662153]
JPEG画像のロスレス圧縮を学習するための新しいフレームワークを提案する。周波数領域での学習を可能にするために、DCT係数は暗黙の局所冗長性を利用するためにグループに分割される。グループ化されたDCT係数のエントロピーモデリングを実現するために、重み付きブロックに基づいてオートエンコーダのようなアーキテクチャを設計する。
論文参考訳（メタデータ） (2023-03-05T13:15:28Z)
Learned Lossless JPEG Transcoding via Joint Lossy and Residual Compression [21.205453851414248]
DCT領域の圧縮JPEG画像を圧縮する新しいフレームワークを提案する。提案するフレームワークはJPEG圧縮に基づいて,平均21.49%の節約を達成できる。複数のデータセットに対する実験により,提案するフレームワークはJPEG圧縮に基づいて,平均で約21.49%の節約が可能であることを実証した。
論文参考訳（メタデータ） (2022-08-24T17:12:00Z)
Crowd Counting on Heavily Compressed Images with Curriculum Pre-Training [90.76576712433595]
ディープニューラルネットワークによって処理された画像に損失圧縮を適用することで、大幅な精度低下につながる可能性がある。カリキュラム学習のパラダイムに着想を得て,圧縮画像の群集カウントのためのカリキュラム事前学習(CPT)と呼ばれる新しいトレーニング手法を提案する。
論文参考訳（メタデータ） (2022-08-15T08:43:21Z)
Practical Learned Lossless JPEG Recompression with Multi-Level Cross-Channel Entropy Model in the DCT Domain [10.655855413391324]
本稿では,DCT領域で動作するディープラーニングに基づくJPEG再圧縮手法を提案する。実験により,従来のJPEG再圧縮手法と比較して最先端の性能が得られた。
論文参考訳（メタデータ） (2022-03-30T14:36:13Z)
Neural JPEG: End-to-End Image Compression Leveraging a Standard JPEG Encoder-Decoder [73.48927855855219]
本稿では,エンコーダとデコーダの両端に内在するニューラル表現を強化することで,符号化性能の向上を図るシステムを提案する。実験により,提案手法はJPEGに対する速度歪み性能を,様々な品質指標で改善することを示した。
論文参考訳（メタデータ） (2022-01-27T20:20:03Z)
Learning to Improve Image Compression without Changing the Standard Decoder [100.32492297717056]
本稿では,標準デコーダによる符号化性能向上のための学習法を提案する。具体的には、DCT係数の分布を最適化する周波数領域事前編集法を提案する。 JPEGデコーダは変更しないので、広く使われている標準JPEGデコーダで画像を見る際には、我々のアプローチが適用可能である。
論文参考訳（メタデータ） (2020-09-27T19:24:42Z)
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 Better Lossless Compression Using Lossy Compression [100.50156325096611]
我々は、ロスレス画像圧縮システムを構築するために、強力なロスレス画像圧縮アルゴリズムであるBPGを利用する。我々は,BPG再構成を条件とした畳み込みニューラルネットワークに基づく確率モデルを用いて,残差分布をモデル化する。そして、この画像は、BPGが生成したビットストリームと学習した残留コーダの連結を用いて保存される。
論文参考訳（メタデータ） (2020-03-23T11:21:52Z)

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。