論文の概要: IQNet: Image Quality Assessment Guided Just Noticeable Difference Prefiltering For Versatile Video Coding

• arxiv url: http://arxiv.org/abs/2312.09799v1
• Date: Fri, 15 Dec 2023 13:58:10 GMT
• ステータス: 処理完了
• システム内更新日: 2023-12-18 15:43:20.635964
• Title: IQNet: Image Quality Assessment Guided Just Noticeable Difference Prefiltering For Versatile Video Coding
• Title（参考訳）: iqnet: 汎用ビデオ符号化のためのjust noticeable difference prefiltering による画質評価
• Authors: Yu-Han Sun, Chiang Lo-Hsuan Lee and Tian-Sheuan Chang
• Abstract要約: ジャストインタブル歪み(JND)による画像プリフィルタは、圧縮前に知覚的に冗長な情報をフィルタリングすることにより、視覚的に符号化効率を向上させる。 本稿では, 高精度なブロックレベルのJNDモデリングのための画像品質評価によって導かれる, きめ細かいJND事前フィルタリングデータセットを提案する。
• 参考スコア（独自算出の注目度）: 0.9403328689534943
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Image prefiltering with just noticeable distortion (JND) improves coding efficiency in a visual lossless way by filtering the perceptually redundant information prior to compression. However, real JND cannot be well modeled with inaccurate masking equations in traditional approaches or image-level subject tests in deep learning approaches. Thus, this paper proposes a fine-grained JND prefiltering dataset guided by image quality assessment for accurate block-level JND modeling. The dataset is constructed from decoded images to include coding effects and is also perceptually enhanced with block overlap and edge preservation. Furthermore, based on this dataset, we propose a lightweight JND prefiltering network, IQNet, which can be applied directly to different quantization cases with the same model and only needs 3K parameters. The experimental results show that the proposed approach to Versatile Video Coding could yield maximum/average bitrate savings of 41\%/15\% and 53\%/19\% for all-intra and low-delay P configurations, respectively, with negligible subjective quality loss. Our method demonstrates higher perceptual quality and a model size that is an order of magnitude smaller than previous deep learning methods.
• Abstract（参考訳）: ジャストインタブル歪み(JND)による画像プリフィルタは、圧縮前に知覚的に冗長な情報をフィルタリングすることにより、視覚的損失のない方法で符号化効率を向上させる。 しかし、実際のjndは、従来のアプローチでは不正確なマスキング方程式や、ディープラーニングアプローチでは画像レベルの主題テストではうまくモデル化できない。 そこで本稿では,高精度ブロックレベルjndモデリングのための画質評価を導いた細粒度jndプリフィルタデータセットを提案する。 データセットは、符号化効果を含むデコードされた画像から構築され、ブロックオーバーラップとエッジ保存と共に知覚的に拡張される。 さらに、本データセットに基づいて、同じモデルで異なる量子化ケースに直接適用可能で、3Kパラメータのみを必要とする軽量なJNDプリフィルタネットワークIQNetを提案する。 実験結果から,Versatile Video Coding に対する提案手法は,全イントラP と低遅延P の最大/平均ビットレート 41\%/15\% と 53\%/19\% の削減が可能であり,主観的品質損失は無視できることがわかった。 提案手法は,従来の深層学習法よりも桁違いに小さい知覚品質とモデルサイズを示す。

関連論文リスト

• SG-JND: Semantic-Guided Just Noticeable Distortion Predictor For Image Compression [50.2496399381438]
  JND(Just noticeable distortion)は、人間の視覚系に最小限の知覚力を持つ画像における歪みのしきい値を表す。 従来のJND予測手法はピクセルレベルまたはサブバンドレベルの機能のみに依存している。 本稿では,意味情報を利用してJND予測を行うセマンティックガイド型JNDネットワークを提案する。
  論文  参考訳（メタデータ） (2024-08-08T07:14:57Z)
• Filter Pruning for Efficient CNNs via Knowledge-driven Differential Filter Sampler [103.97487121678276]
  フィルタプルーニングは同時に計算を加速し、CNNのメモリオーバーヘッドを低減する。 本稿では,MFM(Masked Filter Modeling)フレームワークを用いた知識駆動型微分フィルタサンプリング(KDFS)を提案する。
  論文  参考訳（メタデータ） (2023-07-01T02:28:41Z)
• High-Perceptual Quality JPEG Decoding via Posterior Sampling [13.238373528922194]
  JPEGアーチファクト修正のための異なるパラダイムを提案する。 我々は、圧縮された入力と整合しながら、シャープで詳細で視覚的に再構成された画像を得ることを目指している。 我々のソリューションは、完全な整合性のある入力に対して、多種多様な可塑性かつ高速な再構成を提供する。
  論文  参考訳（メタデータ） (2022-11-21T19:47:59Z)
• Just Noticeable Difference Modeling for Face Recognition System [69.28990314553076]
  本研究は,自動顔認証システムにおける特徴的差分(JND)について検討する試みである。 FRシステムのJND画像を直接推測する新しいJND予測モデルを開発した。 実験により,提案モデルによりJNDマップの精度が向上することが確認された。
  論文  参考訳（メタデータ） (2022-09-13T10:06:36Z)
• DCCF: Deep Comprehensible Color Filter Learning Framework for High-Resolution Image Harmonization [14.062386668676533]
  本稿では,高分解能画像調和のためのDeep Comprehensible Color Filter (DCCF) 学習フレームワークを提案する。 DCCFは、4つの人間の理解可能なニューラルネットワーク(色調、飽和度、値、減衰率)をエンドツーエンドで学習する。 MSEとPSNRでそれぞれ7.63%と1.69%の改善を達成し、画像のフル解像度でiHarmony4データセットの最先端のポストプロセッシング手法を上回っている。
  論文  参考訳（メタデータ） (2022-07-11T11:42:10Z)
• Towards Top-Down Just Noticeable Difference Estimation of Natural Images [65.14746063298415]
  JNDの推定は、主に空間領域と周波数領域における異なる要因の可視性マスキング効果をモデル化することに焦点を当てている。 この作業では、トップダウンの設計哲学でこれらの問題に対処する、劇的に異なる方法に目を向けます。 提案したJNDモデルは,最新のJNDモデルよりも優れた性能を実現することができる。
  論文  参考訳（メタデータ） (2021-08-11T06:51:50Z)
• Perceptually-inspired super-resolution of compressed videos [18.72040343193715]
  空間分解能適応は、符号化効率を高めるためにしばしばビデオ圧縮に使用される技法である。 近年の研究では、畳み込みニューラルネットワーク(CNN)に基づく高度な超解像法を用いて、再構築品質をさらに向上させている。 本稿では,CNNモデルを用いた圧縮映像の空間的アップサンプリングのために,知覚にインスパイアされた超解像法(M-SRGAN)を提案する。
  論文  参考訳（メタデータ） (2021-06-15T13:50:24Z)
• UnRectDepthNet: Self-Supervised Monocular Depth Estimation using a Generic Framework for Handling Common Camera Distortion Models [8.484676769284578]
  本研究では,未修正単眼ビデオから深度,ユークリッド距離,および視覚計測を推定するための,汎用的な規模対応型自己教師パイプラインを提案する。 提案アルゴリズムは,KITTI修正データセットでさらに評価され,最先端の結果が得られた。
  論文  参考訳（メタデータ） (2020-07-13T20:35:05Z)
• Perceptually Optimizing Deep Image Compression [53.705543593594285]
  平均二乗誤差(MSE)と$ell_p$ノルムは、ニューラルネットワークの損失の測定で大きく支配されている。 本稿では,定量的知覚モデルに対して,画像解析ネットワークを最適化するための異なるプロキシ手法を提案する。
  論文  参考訳（メタデータ） (2020-07-03T14:33:28Z)
• 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)
• CNN-Based Real-Time Parameter Tuning for Optimizing Denoising Filter Performance [2.876893463410366]
  本稿では,フィルタリングに基づく復調アルゴリズムの復調品質をリアルタイムに向上するための新しい方向を提案する。 我々は,最先端のフィルタリングに基づく denoising アルゴリズム BM3D を用いて,我々のアプローチを実証し,検証する。
  論文  参考訳（メタデータ） (2020-01-20T03:46:06Z)

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。