論文の概要: Block based Adaptive Compressive Sensing with Sampling Rate Control

• arxiv url: http://arxiv.org/abs/2411.10200v1
• Date: Fri, 15 Nov 2024 13:58:56 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-18 15:38:07.544825
• Title: Block based Adaptive Compressive Sensing with Sampling Rate Control
• Title（参考訳）: サンプリングレート制御によるブロックベース適応圧縮センシング
• Authors: Kosuke Iwama, Ryugo Morita, Jinjia Zhou,
• Abstract要約: 本稿では,ビデオ圧縮センシング(CS)における時間的冗長性について検討し,サンプリングレート制御戦略を備えたブロックベース適応センシングフレームワークを提案する。 非移動領域の冗長な圧縮を避けるため、まず連続するフレーム間の移動ブロック検出を取り入れ、移動ブロックの測定のみを送信する。 ブロックアーチファクトの低減と復元品質の向上のために,前フレームからの非移動ブロックの測定を参照して,移動ブロックと非移動ブロックの協調的再構成を採用する。
• 参考スコア（独自算出の注目度）: 7.105786967332924
• License:
• Abstract: Compressive sensing (CS), acquiring and reconstructing signals below the Nyquist rate, has great potential in image and video acquisition to exploit data redundancy and greatly reduce the amount of sampled data. To further reduce the sampled data while keeping the video quality, this paper explores the temporal redundancy in video CS and proposes a block based adaptive compressive sensing framework with a sampling rate (SR) control strategy. To avoid redundant compression of non-moving regions, we first incorporate moving block detection between consecutive frames, and only transmit the measurements of moving blocks. The non-moving regions are reconstructed from the previous frame. In addition, we propose a block storage system and a dynamic threshold to achieve adaptive SR allocation to each frame based on the area of moving regions and target SR for controlling the average SR within the target SR. Finally, to reduce blocking artifacts and improve reconstruction quality, we adopt a cooperative reconstruction of the moving and non-moving blocks by referring to the measurements of the non-moving blocks from the previous frame. Extensive experiments have demonstrated that this work is able to control SR and obtain better performance than existing works.
• Abstract（参考訳）: 圧縮センシング(CS)は、Nyquistレート以下の信号を取得し、再構成し、データの冗長性を活かし、サンプルデータの量を大幅に削減するために、画像とビデオの取得に大きな可能性を持っている。 ビデオ品質を維持しつつサンプルデータをさらに削減するため,ビデオCSにおける時間的冗長性について検討し,サンプリングレート(SR)制御戦略を備えたブロックベース適応圧縮センシングフレームワークを提案する。 非移動領域の冗長な圧縮を避けるため、まず連続するフレーム間の移動ブロック検出を取り入れ、移動ブロックの測定のみを送信する。 非移動領域は、前フレームから再構成される。 さらに、移動領域の面積に基づいて各フレームに適応的なSR割り当てを実現するブロック記憶システムと動的しきい値を提案し、ターゲットSR内の平均SRを制御するターゲットSRを提案する。 最後に, ブロックアーチファクトを低減し, 復元品質を向上させるため, 移動ブロックと非移動ブロックを協調的に再構成し, 既往のフレームから非移動ブロックを計測した。 大規模な実験により、この研究はSRを制御でき、既存の研究よりも優れた性能を得ることができることが示されている。

関連論文リスト

• MB-RACS: Measurement-Bounds-based Rate-Adaptive Image Compressed Sensing Network [65.1004435124796]
  本稿では,MB-RACS(Message-Bounds-based Rate-Adaptive Image Compressed Sensing Network)フレームワークを提案する。 実験により,提案手法が現在の先行手法を超越していることが実証された。
  論文  参考訳（メタデータ） (2024-01-19T04:40:20Z)
• Spatial-Temporal Transformer based Video Compression Framework [44.723459144708286]
  本稿では,STT-VC(Spatial-Temporal Transformer based Video Compression)フレームワークを提案する。 動作推定と補償のためのオフセット推定のためのUformerベースのオフセット推定を備えたRelaxed Deformable Transformer (RDT)と、予測改善のためのマルチ参照フレームに基づくMulti-Granularity Prediction (MGP)モジュールと、時間空間的継手残留圧縮を効率的に行うSpatial Feature Distribution prior based Transformer (SFD-T)を含む。 実験の結果,VTMよりも13.5%のBD-Rateを節約できることがわかった。
  論文  参考訳（メタデータ） (2023-09-21T09:23:13Z)
• A Novel end-to-end Framework for Occluded Pixel Reconstruction with Spatio-temporal Features for Improved Person Re-identification [0.842885453087587]
  人の身元確認は、公共の安全を高めるために群衆の動きを監視し、追跡するために不可欠である。 本研究では、ディープニューラルネットワークからなるRGB画像/映像の効果的な閉塞検出・再構成フレームワークを開発することにより、有効な解を提案する。 具体的には、CNNベースのオクルージョン検出モデルが個々の入力フレームを分類し、次いでConv-LSTMおよびオートエンコーダを用いて、シーケンシャル(ビデオ)および非シーケンシャル(画像)データに対して、オクルードされたフレームに対応するオクルード画素を再構成する。
  論文  参考訳（メタデータ） (2023-04-16T08:14:29Z)
• Content-aware Scalable Deep Compressed Sensing [8.865549833627794]
  本稿では、画像圧縮センシング問題に対処するため、CASNetと呼ばれる新しいコンテンツ対応スケーラブルネットワークを提案する。 まず,各画像領域の重要度を評価するためにデータ駆動型サリエンシ検出器を採用し,サンプリングレートアロケーションのためのサリエンシベースのブロック比アグリゲーション(BRA)戦略を提案する。 トレーニングの収束を加速し、ネットワークの堅牢性を向上させるために、SVDベースのスキームとランダム変換強化(RTE)戦略を提案する。
  論文  参考訳（メタデータ） (2022-07-19T14:59:14Z)
• Structured Sparsity Learning for Efficient Video Super-Resolution [99.1632164448236]
  我々は、ビデオ超解像(VSR)モデルの特性に応じて、構造化スパシティ学習(SSL)と呼ばれる構造化プルーニング手法を開発する。 SSLでは,残差ブロック,リカレントネットワーク,アップサンプリングネットワークなど,VSRモデルのいくつかの重要なコンポーネントに対するプルーニングスキームを設計する。
  論文  参考訳（メタデータ） (2022-06-15T17:36:04Z)
• Iterative RAKI with Complex-Valued Convolution for Improved Image Reconstruction with Limited Scan-Specific Training Samples [0.0]
  本研究では,標準2次元画像の再構成品質に及ぼすトレーニングデータの影響について検討した。 初期GRAPPA再構成によるトレーニングデータ拡張と、反復訓練による畳み込みフィルタの改良を含む反復k空間アプローチ(iRAKI)を評価する。
  論文  参考訳（メタデータ） (2022-01-10T16:14:27Z)
• Self-Supervised Learning of Perceptually Optimized Block Motion Estimates for Video Compression [50.48504867843605]
  多段階畳み込みニューラルネットワークを用いた探索自由ブロック運動推定フレームワークを提案する。 動作補償フレームの知覚品質を最適化するために,マルチスケール構造類似度(MS-SSIM)損失関数をデプロイする。
  論文  参考訳（メタデータ） (2021-10-05T03:38:43Z)
• Efficient Micro-Structured Weight Unification and Pruning for Neural Network Compression [56.83861738731913]
  ディープニューラルネットワーク(DNN)モデルは、特にリソース制限されたデバイスにおいて、実用的なアプリケーションに不可欠である。 既往の非構造的あるいは構造化された重量刈り法は、推論を真に加速することはほとんど不可能である。 ハードウェア互換のマイクロ構造レベルでの一般化された重み統一フレームワークを提案し,高い圧縮と加速度を実現する。
  論文  参考訳（メタデータ） (2021-06-15T17:22:59Z)
• Progressively Guided Alternate Refinement Network for RGB-D Salient Object Detection [63.18846475183332]
  我々は,RGB-Dの高次物体検出のための効率的かつコンパクトなディープネットワークを開発することを目指している。 そこで本研究では,改良のための改良ネットワークを提案する。 我々のモデルは、既存の最先端のアプローチよりも大きなマージンで優れています。
  論文  参考訳（メタデータ） (2020-08-17T02:55:06Z)
• Recovering compressed images for automatic crack segmentation using generative models [13.519853801218005]
  本手法を用いて, 圧縮き裂画像の自動割断回収フレームワークを開発した。 我々の回復フレームワークは,既存の3つのCSアルゴリズムと比較した。
  論文  参考訳（メタデータ） (2020-03-06T04:48:05Z)
• Video Face Super-Resolution with Motion-Adaptive Feedback Cell [90.73821618795512]
  深部畳み込みニューラルネットワーク(CNN)の発展により,ビデオ超解像法(VSR)は近年,顕著な成功を収めている。 本稿では,動作補償を効率的に捕捉し,適応的にネットワークにフィードバックする,シンプルで効果的なブロックである動き適応型フィードバックセル(MAFC)を提案する。
  論文  参考訳（メタデータ） (2020-02-15T13:14:10Z)

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。