論文の概要: COSMIC: Compress Satellite Images Efficiently via Diffusion Compensation

• arxiv url: http://arxiv.org/abs/2410.01698v2
• Date: Sat, 09 Nov 2024 13:08:42 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-12 14:03:48.192022
• Title: COSMIC: Compress Satellite Images Efficiently via Diffusion Compensation
• Title（参考訳）: COSMIC: 拡散補償による効率的な衛星画像圧縮
• Authors: Ziyuan Zhang, Han Qiu, Maosen Zhang, Jun Liu, Bin Chen, Tianwei Zhang, Hewu Li,
• Abstract要約: 衛星画像の送信を行うための簡易かつ効果的な圧縮ソリューションであるCOSMICを提案する。 まず,衛星間リンクを保存するために,高圧縮率を実現するために,衛星上に軽量エンコーダを設計する。 そこで,地上での再構成のために,デコード時に画像の詳細を補償する拡散モデルを提案する。
• 参考スコア（独自算出の注目度）: 18.963383434754515
• License:
• Abstract: With the rapidly increasing number of satellites in space and their enhanced capabilities, the amount of earth observation images collected by satellites is exceeding the transmission limits of satellite-to-ground links. Although existing learned image compression solutions achieve remarkable performance by using a sophisticated encoder to extract fruitful features as compression and using a decoder to reconstruct, it is still hard to directly deploy those complex encoders on current satellites' embedded GPUs with limited computing capability and power supply to compress images in orbit. In this paper, we propose COSMIC, a simple yet effective learned compression solution to transmit satellite images. We first design a lightweight encoder (i.e. reducing FLOPs by 2.6~5x) on satellite to achieve a high image compression ratio to save satellite-to-ground links. Then, for reconstructions on the ground, to deal with the feature extraction ability degradation due to simplifying encoders, we propose a diffusion-based model to compensate image details when decoding. Our insight is that satellite's earth observation photos are not just images but indeed multi-modal data with a nature of Text-to-Image pairing since they are collected with rich sensor data (e.g. coordinates, timestamp, etc.) that can be used as the condition for diffusion generation. Extensive experiments show that COSMIC outperforms state-of-the-art baselines on both perceptual and distortion metrics.
• Abstract（参考訳）: 宇宙における衛星の急増とその能力の強化により、衛星が収集した地球観測画像の量は、衛星と地上のリンクの送信限界を超えている。 既存の学習された画像圧縮ソリューションは、高度なエンコーダを使用して圧縮として実効性のある特徴を抽出し、デコーダを使って再構成することで優れた性能を発揮するが、これらの複雑なエンコーダを現在の衛星の組み込みGPUに直接展開することは、限られた計算能力と軌道上の画像を圧縮するための電力供給で困難である。 本稿では,衛星画像の送信を行うための簡易かつ効果的な圧縮ソリューションであるCOSMICを提案する。 まず,衛星間リンクを節約するために,衛星上に軽量エンコーダ(FLOPを2.6～5倍削減する)を設計する。 そこで,地上での再構成では,エンコーダの簡易化による特徴抽出能力の劣化に対処するため,デコード時に画像の詳細を補償する拡散モデルを提案する。 我々の洞察では、衛星の地球観測写真は画像だけでなく、拡散生成の条件として使用できるリッチセンサーデータ(例えば座標、タイムスタンプなど)で収集されるので、テキスト対画像ペアリングの性質を持つマルチモーダルデータである。 広汎な実験により、COSMICは知覚と歪みの両方で最先端のベースラインを上回ります。

関連論文リスト

• Data downlink prioritization using image classification on-board a 6U CubeSat [0.0]
  九州工業大学と共同研究員は,ナノサテライトミッションであるVERTECSのジョイントベンチャーを立ち上げた。 主なミッションは、光波長の宇宙背景放射を観測することで星の形成履歴を解明することである。 VERTECS衛星は小型の望遠鏡と高精度の姿勢制御システムを備え、地上での分析のために宇宙データをキャプチャする。 そこで我々は,データダウンリンクの優先順位付けと最適化のために,最適な画像データを自律的に分類し,圧縮するオンオービットシステムを提案する。
  論文  参考訳（メタデータ） (2024-08-27T08:38:45Z)
• Convolutional variational autoencoders for secure lossy image compression in remote sensing [47.75904906342974]
  本研究では,畳み込み変分オートエンコーダ(CVAE)に基づく画像圧縮について検討する。 CVAEは、JPEG2000のような従来の圧縮手法を圧縮ベンチマークデータセットのかなりのマージンで上回ることが示されている。
  論文  参考訳（メタデータ） (2024-04-03T15:17:29Z)
• MISC: Ultra-low Bitrate Image Semantic Compression Driven by Large Multimodal Model [78.4051835615796]
  本稿では,マルチモーダル画像セマンティック圧縮法を提案する。 画像の意味情報を抽出するLMMエンコーダと、その意味に対応する領域を特定するマップエンコーダと、非常に圧縮されたビットストリームを生成する画像エンコーダと、前記情報に基づいて画像を再構成するデコーダとからなる。 知覚50%を節約しながら最適な一貫性と知覚結果を達成することができ、これは次世代のストレージと通信において強力な可能性を持つ。
  論文  参考訳（メタデータ） (2024-02-26T17:11:11Z)
• Neural-based Compression Scheme for Solar Image Data [8.374518151411612]
  我々は、NASAのデータ集約画像ミッションで使用されるニューラルネットワークに基づく損失圧縮手法を提案する。 本研究では,画像の局所構造と大域構造の両方を捉えるために,局所的および非局所的アテンションモジュールを備えた逆トレーニングニューラルネットワークを提案する。 このアルゴリズムをSDOデータ解析に使用するための概念実証として、圧縮画像を用いてコロナホール(CH)検出を行った。
  論文  参考訳（メタデータ） (2023-11-06T04:13:58Z)
• Diffusion Models for Interferometric Satellite Aperture Radar [73.01013149014865]
  確率拡散モデル (Probabilistic Diffusion Models, PDMs) は、最近、非常に有望な生成モデルのクラスとして登場した。 ここでは、PDMを活用して、レーダーベースの衛星画像データセットを複数生成する。 PDMは複雑で現実的な構造を持つ画像を生成することに成功したが、サンプリング時間は依然として問題である。
  論文  参考訳（メタデータ） (2023-08-31T16:26:17Z)
• Attention-Based Generative Neural Image Compression on Solar Dynamics Observatory [12.283978726972752]
  NASAのSolar Dynamics Observatory(SDO)ミッションは、地球同期軌道から毎日1.4テラバイトのデータを収集する。 近年、画像圧縮を行う上で、エンドツーエンド最適化された人工知能(ANN)が大きな可能性を示している。 我々は、宇宙ミッションで格納・回収されるデータ量を削減するために、アドホックなANNベースの画像圧縮スキームを設計した。
  論文  参考訳（メタデータ） (2022-10-12T17:39:08Z)
• Reducing Redundancy in the Bottleneck Representation of the Autoencoders [98.78384185493624]
  オートエンコーダは教師なしニューラルネットワークの一種であり、様々なタスクを解くのに使用できる。 本稿では,ボトルネック表現における特徴冗長性を明示的に罰する手法を提案する。 我々は,3つの異なるデータセットを用いた次元削減,MNISTデータセットを用いた画像圧縮,ファッションMNISTを用いた画像デノナイズという,さまざまなタスクにまたがってアプローチを検証した。
  論文  参考訳（メタデータ） (2022-02-09T18:48:02Z)
• Small Lesion Segmentation in Brain MRIs with Subpixel Embedding [105.1223735549524]
  ヒト脳のMRIスキャンを虚血性脳梗塞と正常組織に分割する方法を提案する。 本稿では,空間展開埋め込みネットワークによって予測を導出する標準エンコーダデコーダの形式でニューラルネットワークアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2021-09-18T00:21:17Z)
• UAV Localization Using Autoencoded Satellite Images [14.39926267531322]
  無人航空機(UAV)のローカライズに衛星画像を用いる高速でロバストな手法の提案と実演を行う。 本研究では,所望の飛行経路をオフラインにするためにGoogle Earth(GE)画像を収集し,これらの画像を低次元ベクトル表現に圧縮するオートエンコーダを訓練する。 我々は、1日の照明条件にまたがる6回のランのUAV画像と、衛星画像の同じ地図とをしっかり一致させた。
  論文  参考訳（メタデータ） (2021-02-10T19:08:10Z)
• Modeling Lost Information in Lossy Image Compression [72.69327382643549]
  ロスシー画像圧縮は、デジタル画像の最もよく使われる演算子の1つである。 Invertible Lossy Compression (ILC) と呼ばれる新しい非可逆的フレームワークを提案する。
  論文  参考訳（メタデータ） (2020-06-22T04:04:56Z)

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。