論文の概要: Image Compression and Reconstruction Based on Quantum Network

• arxiv url: http://arxiv.org/abs/2404.11994v1
• Date: Thu, 18 Apr 2024 08:39:58 GMT
• ステータス: 処理完了
• システム内更新日: 2024-04-19 19:31:17.713803
• Title: Image Compression and Reconstruction Based on Quantum Network
• Title（参考訳）: 量子ネットワークに基づく画像圧縮と再構成
• Authors: Xun Ji, Qin Liu, Shan Huang, Andi Chen, Shengjun Wu,
• Abstract要約: 量子ネットワークは、画像再構成をより効率的かつ正確にする。 より少ないビットと高速な並列計算機能を使って、より複雑な画像情報を処理することができる。 本稿では,量子ネットワークの基本構造,画像圧縮と再構成のプロセス,パラメータ学習法について紹介する。
• 参考スコア（独自算出の注目度）: 5.569248673725028
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Quantum network is an emerging type of network structure that leverages the principles of quantum mechanics to transmit and process information. Compared with classical data reconstruction algorithms, quantum networks make image reconstruction more efficient and accurate. They can also process more complex image information using fewer bits and faster parallel computing capabilities. Therefore, this paper will discuss image reconstruction methods based on our quantum network and explore their potential applications in image processing. We will introduce the basic structure of the quantum network, the process of image compression and reconstruction, and the specific parameter training method. Through this study, we can achieve a classical image reconstruction accuracy of 97.57\%. Our quantum network design will introduce novel ideas and methods for image reconstruction in the future.
• Abstract（参考訳）: 量子ネットワークは、情報伝達と処理に量子力学の原理を利用する新しいタイプのネットワーク構造である。 古典的なデータ再構成アルゴリズムと比較して、量子ネットワークは画像再構成をより効率的かつ正確にする。 また、より少ないビットと高速な並列計算機能を使って、より複雑な画像情報を処理することもできる。 そこで本研究では,我々の量子ネットワークに基づく画像再構成手法について論じ,その画像処理への応用の可能性について検討する。 本稿では,量子ネットワークの基本構造,画像圧縮と再構成のプロセス,パラメータ学習法について紹介する。 本研究により,古典的画像再構成精度97.57\%を実現することができる。 我々の量子ネットワーク設計は、将来、画像再構成のための新しいアイデアと方法を導入します。

関連論文リスト

• Quantum Neural Network for Accelerated Magnetic Resonance Imaging [20.014015582919182]
  本稿では、高速磁気共鳴イメージングのための量子および古典的ネットワークを含むハイブリッドニューラルネットワークを提案する。 実験結果から, ハイブリット・ネットワークは優れた再構成結果を得たことが示唆され, 高速磁気共鳴イメージングの画像再構成におけるハイブリッド量子古典ニューラルネットワークの適用可能性が確認された。
  論文  参考訳（メタデータ） (2024-10-12T07:26:35Z)
• UnWave-Net: Unrolled Wavelet Network for Compton Tomography Image Reconstruction [0.0]
  Compton scatter tomography (CST) は従来のCTの代替として興味深いものである。 ディープ・アンローリング・ネットワークはCT画像再構成の可能性を実証している。 UnWave-Netは、新しいウェーブレットベースの再構成ネットワークである。
  論文  参考訳（メタデータ） (2024-06-05T16:10:29Z)
• Image segmentation with traveling waves in an exactly solvable recurrent neural network [71.74150501418039]
  繰り返しニューラルネットワークは、シーンの構造特性に応じて、画像をグループに効果的に分割できることを示す。 本稿では,このネットワークにおけるオブジェクトセグメンテーションのメカニズムを正確に記述する。 次に、グレースケール画像中の単純な幾何学的対象から自然画像まで、入力をまたいで一般化するオブジェクトセグメンテーションの簡単なアルゴリズムを実証する。
  論文  参考訳（メタデータ） (2023-11-28T16:46:44Z)
• Hybrid quantum transfer learning for crack image classification on NISQ hardware [62.997667081978825]
  グレー値画像のひび割れ検出に量子転送学習を適用した。 我々は、PennyLaneの標準量子ビットのパフォーマンスとトレーニング時間を、IBMのqasm_simulatorや実際のバックエンドと比較する。
  論文  参考訳（メタデータ） (2023-07-31T14:45:29Z)
• Hybrid adiabatic quantum computing for tomographic image reconstruction -- opportunities and limitations [8.442020709975015]
  臨床画像では、患者の快適さを改善し、放射線曝露を減らすのに役立つ。 本稿では,アディアバティックな量子コンピュータとそれに関連するハイブリッド手法を用いて再構成問題を解くことを提案する。
  論文  参考訳（メタデータ） (2022-12-02T17:11:48Z)
• Is Deep Image Prior in Need of a Good Education? [57.3399060347311]
  画像再構成に有効な先行画像として, 奥行き画像が導入された。 その印象的な再建性にもかかわらず、学習技術や伝統的な再建技術と比べてアプローチは遅い。 計算課題に対処する2段階の学習パラダイムを開発する。
  論文  参考訳（メタデータ） (2021-11-23T15:08:26Z)
• RGB Image Classification with Quantum Convolutional Ansaetze [18.379304679643436]
  本稿では,RGB画像上の畳み込み操作をシミュレートする2種類の量子回路アンセッツェを提案する。 我々の知る限りでは、これはRGB画像を効果的に扱う量子畳み込み回路の最初の作品である。 また、量子回路アンサッツの大きさとハイブリッド量子古典畳み込みニューラルネットワークの学習性との関係についても検討する。
  論文  参考訳（メタデータ） (2021-07-23T09:38:59Z)
• Quantum Deformed Neural Networks [83.71196337378022]
  我々は,量子コンピュータ上で効率的に動作するように設計された新しい量子ニューラルネットワーク層を開発した。 入力状態の絡み合いに制限された場合、古典的なコンピュータでシミュレートすることができる。
  論文  参考訳（メタデータ） (2020-10-21T09:46:12Z)
• Rapid characterisation of linear-optical networks via PhaseLift [51.03305009278831]
  集積フォトニクスは優れた位相安定性を提供し、半導体産業によって提供される大規模な製造性に依存することができる。 このような光回路に基づく新しいデバイスは、機械学習アプリケーションにおいて高速でエネルギー効率の高い計算を約束する。 線形光ネットワークの転送行列を再構成する新しい手法を提案する。
  論文  参考訳（メタデータ） (2020-10-01T16:04:22Z)
• NAS-DIP: Learning Deep Image Prior with Neural Architecture Search [65.79109790446257]
  近年の研究では、深部畳み込みニューラルネットワークの構造が、以前に構造化された画像として利用できることが示されている。 我々は,より強い画像の先行を捉えるニューラルネットワークの探索を提案する。 既存のニューラルネットワーク探索アルゴリズムを利用して,改良されたネットワークを探索する。
  論文  参考訳（メタデータ） (2020-08-26T17:59:36Z)

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。