Fugu-MT 論文翻訳(概要): PatchSVD: A Non-uniform SVD-based Image Compression Algorithm

論文の概要: PatchSVD: A Non-uniform SVD-based Image Compression Algorithm

arxiv url: http://arxiv.org/abs/2406.05129v1
Date: Fri, 7 Jun 2024 17:57:40 GMT
ステータス: 処理完了
システム内更新日: 2024-06-10 13:02:56.862844
Title: PatchSVD: A Non-uniform SVD-based Image Compression Algorithm
Title（参考訳）: PatchSVD:不均一SVD画像圧縮アルゴリズム
Authors: Zahra Golpayegani, Nizar Bouguila,
Abstract要約: そこで本研究では,Singular Value Decomposition (SVD) アルゴリズムに基づいて,PatchSVDと呼ばれる領域ベースの損失画像圧縮手法を提案する。 PatchSVDは,3つの画像圧縮指標に対して,SVDに基づく画像圧縮よりも優れることを示す。
参考スコア（独自算出の注目度）: 20.856903918492154
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Storing data is particularly a challenge when dealing with image data which often involves large file sizes due to the high resolution and complexity of images. Efficient image compression algorithms are crucial to better manage data storage costs. In this paper, we propose a novel region-based lossy image compression technique, called PatchSVD, based on the Singular Value Decomposition (SVD) algorithm. We show through experiments that PatchSVD outperforms SVD-based image compression with respect to three popular image compression metrics. Moreover, we compare PatchSVD compression artifacts with those of Joint Photographic Experts Group (JPEG) and SVD-based image compression and illustrate some cases where PatchSVD compression artifacts are preferable compared to JPEG and SVD artifacts.
Abstract（参考訳）: 画像の解像度と複雑さのため、大容量のファイルサイズを伴う画像データを扱う場合、データのストアングは特に困難である。効率的な画像圧縮アルゴリズムは、データストレージコストのより良い管理に不可欠である。本稿では,Singular Value Decomposition (SVD) アルゴリズムを用いて,PatchSVDと呼ばれる領域ベースの損失画像圧縮手法を提案する。 PatchSVDは,3つの画像圧縮指標に対して,SVDに基づく画像圧縮よりも優れることを示す。さらに,PatchSVD圧縮アーティファクトをJPEGとSVDベースの画像圧縮と比較し,JPEGおよびSVD圧縮アーティファクトと比較してPatchSVD圧縮アーティファクトが好ましい場合を示す。

関連論文リスト

Learned Image Compression for HE-stained Histopathological Images via Stain Deconvolution [33.69980388844034]
本稿では,一般的なJPEGアルゴリズムがさらなる圧縮に適していないことを示す。 Stain Quantized Latent Compression, a novel DL based histopathology data compression approach。提案手法はJPEGのような従来の手法と比較して,下流タスクの分類において優れた性能を示すことを示す。
論文参考訳（メタデータ） (2024-06-18T13:47:17Z)
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)
CompaCT: Fractal-Based Heuristic Pixel Segmentation for Lossless Compression of High-Color DICOM Medical Images [0.0]
医用画像は、医師による正確な分析のために、ピクセル単位の12ビットの高色深度を必要とする。フィルタリングによる画像の標準圧縮はよく知られているが、具体化されていない実装のため、医療領域ではまだ最適ではない。本研究では,動的に拡張されたデータ処理のための画素濃度の空間的特徴とパターンをターゲットとした医用画像圧縮アルゴリズムCompaCTを提案する。
論文参考訳（メタデータ） (2023-08-24T21:43:04Z)
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)
Data-Efficient Sequence-Based Visual Place Recognition with Highly Compressed JPEG Images [17.847661026367767]
視覚的場所認識(VPR)は、ロボットプラットフォームが環境中をローカライズすることを可能にする基本的なタスクである。 JPEGは画像圧縮標準であり、VPRアプリケーションの低データ伝送を容易にするために高い圧縮比を使用することができる。高レベルのJPEG圧縮を適用すると、画像の明度とサイズが大幅に削減される。
論文参考訳（メタデータ） (2023-02-26T13:13:51Z)
Data Efficient Visual Place Recognition Using Extremely JPEG-Compressed Images [17.847661026367767]
本稿では,JPEG圧縮が視覚的位置認識技術の性能に与える影響について検討する。圧縮を導入することにより、特に高い圧縮スペクトルにおいて、VPR性能が大幅に低下することを示す。我々は、JPEG圧縮データに最適化された微調整CNNを提案し、非常に圧縮されたJPEG画像で検出された画像変換とより一貫した性能を示す。
論文参考訳（メタデータ） (2022-09-17T14:46:28Z)
Enhanced Invertible Encoding for Learned Image Compression [40.21904131503064]
本稿では,改良されたインバーチブルを提案する。非可逆ニューラルネットワーク(INN)によるネットワークは、情報損失問題を大幅に軽減し、圧縮性を向上する。 Kodak, CLIC, Tecnick のデータセットによる実験結果から,本手法は既存の学習画像圧縮法よりも優れていることがわかった。
論文参考訳（メタデータ） (2021-08-08T17:32:10Z)
Towards Robust Data Hiding Against (JPEG) Compression: A Pseudo-Differentiable Deep Learning Approach [78.05383266222285]
これらの圧縮に対抗できるデータ隠蔽の目標を達成することは、依然としてオープンな課題である。ディープラーニングはデータの隠蔽に大きな成功を収めていますが、JPEGの非差別化性は、損失のある圧縮に対する堅牢性を改善するための深いパイプラインのトレーニングを困難にしています。本稿では,上記の制約をすべて一度に解決するための,単純かつ効果的なアプローチを提案する。
論文参考訳（メタデータ） (2020-12-30T12:30:09Z)
Analyzing and Mitigating JPEG Compression Defects in Deep Learning [69.04777875711646]
本稿では,JPEG圧縮が共通タスクやデータセットに与える影響を統一的に検討する。高圧縮の一般的なパフォーマンス指標には大きなペナルティがあることが示される。
論文参考訳（メタデータ） (2020-11-17T20:32:57Z)
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)
Discernible Image Compression [124.08063151879173]
本稿では、外観と知覚の整合性の両方を追求し、圧縮画像を作成することを目的とする。エンコーダ・デコーダ・フレームワークに基づいて,事前学習したCNNを用いて,オリジナル画像と圧縮画像の特徴を抽出する。ベンチマーク実験により,提案手法を用いて圧縮した画像は,その後の視覚認識・検出モデルでもよく認識できることが示された。
論文参考訳（メタデータ） (2020-02-17T07:35:08Z)

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。