論文の概要: Output-Constrained Lossy Source Coding With Application to Rate-Distortion-Perception Theory
- arxiv url: http://arxiv.org/abs/2403.14849v1
- Date: Thu, 21 Mar 2024 21:51:36 GMT
- ステータス: 処理完了
- システム内更新日: 2024-03-25 19:06:46.520829
- Title: Output-Constrained Lossy Source Coding With Application to Rate-Distortion-Perception Theory
- Title(参考訳): 出力制約された損失源符号化とレート歪み知覚理論への応用
- Authors: Li Xie, Liangyan Li, Jun Chen, Zhongshan Zhang,
- Abstract要約: 共通乱数に制限のある出力制約付き損失音源符号化の歪み速度関数を解析した。
ソース分布と再構成分布の両方がガウス分布であるときに明示的な表現が得られる。
- 参考スコア(独自算出の注目度): 9.464977414419332
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The distortion-rate function of output-constrained lossy source coding with limited common randomness is analyzed for the special case of squared error distortion measure. An explicit expression is obtained when both source and reconstruction distributions are Gaussian. This further leads to a partial characterization of the information-theoretic limit of quadratic Gaussian rate-distortion-perception coding with the perception measure given by Kullback-Leibler divergence or squared quadratic Wasserstein distance.
- Abstract(参考訳): 二乗誤差歪み測定の特別な場合において, 共通乱数に制限のある出力制約付き損失音源符号化の歪み速度関数を解析した。
ソース分布と再構成分布の両方がガウス分布であるときに明示的な表現が得られる。
このことはさらに、クルバック・リーブラーの発散または2乗二次ワッサーシュタイン距離によって与えられる知覚測度を用いて、二次ガウスの速度-歪み-知覚符号化の情報-理論的限界を部分的に特徴づける。
関連論文リスト
- Gaussian Rate-Distortion-Perception Coding and Entropy-Constrained Scalar Quantization [12.575809787716771]
本稿では,2次ガウス歪み率知覚関数の共通乱数に制限のある有界性について検討する。
境界は、タラグランドの輸送不平等の洗練されたバージョンによって互いに推論できないという意味では非退化的である。
認識測度が正方形ワッサーシュタイン2距離によって与えられると、改善された下界が確立される。
論文 参考訳(メタデータ) (2024-09-04T02:31:53Z) - The Rate-Distortion-Perception Trade-off: The Role of Private Randomness [53.81648040452621]
圧縮速度がソースのエントロピーよりも低い場合、プライベートなランダム性は役に立たないことを示す。
圧縮速度がソースのエントロピーよりも低い場合, プライベートなランダム性が有用でないことを示す。
論文 参考訳(メタデータ) (2024-04-01T13:36:01Z) - Rate-Distortion-Perception Tradeoff Based on the
Conditional-Distribution Perception Measure [33.084834042565895]
本研究では,大きなブロック長の制限下で,メモリレスソースモデルに対するRDPのトレードオフについて検討する。
我々の知覚尺度は、エンコーダ出力に条件付されたソースの分布と再構成シーケンスのばらつきに基づく。
論文 参考訳(メタデータ) (2024-01-22T18:49:56Z) - On the Computation of the Gaussian Rate-Distortion-Perception Function [10.564071872770146]
平均二乗誤差(MSE)歪み下における多変量ガウス音源に対するレート歪み知覚関数(RDPF)の計算について検討した。
我々は、関連するアルゴリズムの実現、および収束と収束のキャラクタリゼーションの速度を提供する。
計算結果を数値シミュレーションで相関させ,既存の結果に関連付ける。
論文 参考訳(メタデータ) (2023-11-15T18:34:03Z) - Regularized Vector Quantization for Tokenized Image Synthesis [126.96880843754066]
画像の離散表現への量子化は、統合生成モデリングにおける根本的な問題である。
決定論的量子化は、厳しいコードブックの崩壊と推論段階の誤調整に悩まされ、一方、量子化は、コードブックの利用率の低下と再構築の目的に悩まされる。
本稿では、2つの視点から正規化を適用することにより、上記の問題を効果的に緩和できる正規化ベクトル量子化フレームワークを提案する。
論文 参考訳(メタデータ) (2023-03-11T15:20:54Z) - Lossy Quantum Source Coding with a Global Error Criterion based on a
Posterior Reference Map [7.646713951724011]
我々は、タスクが与えられた量子源をフォン・ノイマンエントロピー以下に圧縮する、損失のある量子源符号化問題を考える。
古典的な環境下での速度歪みとチャネル符号化問題の間の二重性接続に着想を得て,この問題の新しい定式化を提案する。
論文 参考訳(メタデータ) (2023-02-01T17:44:40Z) - Variational Laplace Autoencoders [53.08170674326728]
変分オートエンコーダは、遅延変数の後部を近似するために、償却推論モデルを用いる。
完全分解ガウス仮定の限定的後部表現性に対処する新しい手法を提案する。
また、深部生成モデルのトレーニングのための変分ラプラスオートエンコーダ(VLAE)という一般的なフレームワークも提示する。
論文 参考訳(メタデータ) (2022-11-30T18:59:27Z) - Generalization Bounds via Convex Analysis [12.411844611718958]
連関出力分布の強い凸関数によって相互情報を置き換えることが可能であることを示す。
例えば、$p$-normの発散とワッサーシュタイン2距離の項で表される境界がある。
論文 参考訳(メタデータ) (2022-02-10T12:30:45Z) - Robust Estimation for Nonparametric Families via Generative Adversarial
Networks [92.64483100338724]
我々は,高次元ロバストな統計問題を解くためにGAN(Generative Adversarial Networks)を設計するためのフレームワークを提供する。
我々の研究は、これらをロバスト平均推定、第二モーメント推定、ロバスト線形回帰に拡張する。
技術面では、提案したGAN損失は、スムーズで一般化されたコルモゴロフ-スミルノフ距離と見なすことができる。
論文 参考訳(メタデータ) (2022-02-02T20:11:33Z) - An Indirect Rate-Distortion Characterization for Semantic Sources:
General Model and the Case of Gaussian Observation [83.93224401261068]
ソースモデルは、情報の意味的側面に対する最近の関心の高まりによって動機付けられている。
intrinsic状態は、一般に観測不可能なソースの意味的特徴に対応する。
レート歪み関数は、ソースのセマンティックレート歪み関数である。
論文 参考訳(メタデータ) (2022-01-29T02:14:24Z) - The Accuracy vs. Sampling Overhead Trade-off in Quantum Error Mitigation
Using Monte Carlo-Based Channel Inversion [84.66087478797475]
量子誤差緩和(Quantum error mitigation, QEM)は、変分量子アルゴリズムの計算誤差を低減するための有望な手法の1つである。
我々はモンテカルロサンプリングに基づく実用的なチャネル反転戦略を考察し、さらなる計算誤差を導入する。
計算誤差が誤差のない結果の動的範囲と比較して小さい場合、ゲート数の平方根でスケールすることを示す。
論文 参考訳(メタデータ) (2022-01-20T00:05:01Z)
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。