論文の概要: Point Cloud-Assisted Neural Image Compression

• arxiv url: http://arxiv.org/abs/2412.11771v1
• Date: Mon, 16 Dec 2024 13:44:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-17 13:55:13.223381
• Title: Point Cloud-Assisted Neural Image Compression
• Title（参考訳）: 点雲支援ニューラルイメージ圧縮
• Authors: Ziqun Li, Qi Zhang, Xiaofeng Huang, Zhao Wang, Siwei Ma, Wei Yan,
• Abstract要約: 本稿では,点雲の助けを借りて画像圧縮性能を向上させる。 画像テクスチャと構造を保存するための点雲支援ニューラルネットワーク(PCA-NIC)を提案する。 私たちの研究は、ポイントクラウドを用いて画像圧縮性能を初めて改善し、最先端のパフォーマンスを実現しました。
• 参考スコア（独自算出の注目度）: 35.46346027449056
• License:
• Abstract: High-efficient image compression is a critical requirement. In several scenarios where multiple modalities of data are captured by different sensors, the auxiliary information from other modalities are not fully leveraged by existing image-only codecs, leading to suboptimal compression efficiency. In this paper, we increase image compression performance with the assistance of point cloud, which is widely adopted in the area of autonomous driving. We first unify the data representation for both modalities to facilitate data processing. Then, we propose the point cloud-assisted neural image codec (PCA-NIC) to enhance the preservation of image texture and structure by utilizing the high-dimensional point cloud information. We further introduce a multi-modal feature fusion transform module (MMFFT) to capture more representative image features, remove redundant information between channels and modalities that are not relevant to the image content. Our work is the first to improve image compression performance using point cloud and achieves state-of-the-art performance.
• Abstract（参考訳）: 高効率画像圧縮は必須条件である。 複数のデータモダリティが異なるセンサーによってキャプチャされるいくつかのシナリオでは、他のモダリティからの補助情報は既存の画像のみのコーデックによって完全に活用されないため、最適下圧縮効率が向上する。 本稿では、自律運転の分野で広く採用されている点雲の助けを借りて、画像圧縮性能を向上させる。 まず、両モードのデータ表現を統一し、データ処理を容易にする。 そこで我々は,高次元の点雲情報を利用して,画像テクスチャと構造の保存性を高めるために,点雲支援型ニューラルイメージコーデック(PCA-NIC)を提案する。 さらに,マルチモーダルな特徴融合変換モジュール(MMFFT)を導入し,画像内容に関連のないチャネルとモダリティ間の冗長な情報を除去する。 私たちの研究は、ポイントクラウドを用いて画像圧縮性能を初めて改善し、最先端のパフォーマンスを実現しました。

関連論文リスト

• Rendering-Oriented 3D Point Cloud Attribute Compression using Sparse Tensor-based Transformer [52.40992954884257]
  3D視覚化技術は、私たちがデジタルコンテンツと対話する方法を根本的に変えてきた。 ポイントクラウドの大規模データサイズは、データ圧縮において大きな課題を呈している。 そこで我々はPCACと差別化可能なレンダリングをシームレスに統合するエンドツーエンドのディープラーニングフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-11-12T16:12:51Z)
• Att2CPC: Attention-Guided Lossy Attribute Compression of Point Clouds [18.244200436103156]
  本稿では, オートエンコーダアーキテクチャを利用して, ポイントクラウド属性を効率よく圧縮する手法を提案する。 実験の結果,YチャネルのBD-PSNRとYUVチャネルの平均改善率は1.15dBと2.13dBであることがわかった。
  論文  参考訳（メタデータ） (2024-10-23T12:32:21Z)
• 3D Point Cloud Compression with Recurrent Neural Network and Image Compression Methods [0.0]
  多くのAVアプリケーションでは、LiDARポイントクラウドデータの保存と送信が不可欠である。 データの幅と秩序のない構造のため、ポイントクラウドデータを低ボリュームに圧縮することは困難である。 圧縮アルゴリズムが空間相関を効率的に活用できる新しい3D-to-2D変換を提案する。
  論文  参考訳（メタデータ） (2024-02-18T19:08:19Z)
• Perceptual Image Compression with Cooperative Cross-Modal Side Information [53.356714177243745]
  本稿では,テキスト誘導側情報を用いた新しい深層画像圧縮手法を提案する。 具体的には,CLIPテキストエンコーダとSemantic-Spatial Awareブロックを用いてテキストと画像の特徴を融合する。
  論文  参考訳（メタデータ） (2023-11-23T08:31:11Z)
• You Can Mask More For Extremely Low-Bitrate Image Compression [80.7692466922499]
  近年,学習画像圧縮(lic)法は大きな進歩を遂げている。 licメソッドは、画像圧縮に不可欠な画像構造とテクスチャコンポーネントを明示的に探索することができない。 原画像の構造とテクスチャに基づいて可視パッチをサンプリングするDA-Maskを提案する。 極めて低ビットレート圧縮のために, lic と lic のエンドツーエンドを統一する最初のフレームワークである, 単純で効果的なマスク付き圧縮モデル (MCM) を提案する。
  論文  参考訳（メタデータ） (2023-06-27T15:36:22Z)
• A Unified Image Preprocessing Framework For Image Compression [5.813935823171752]
  そこで我々は,既存のコーデックの性能向上を図るために,Kuchenと呼ばれる統合された画像圧縮前処理フレームワークを提案する。 このフレームワークは、ハイブリッドデータラベリングシステムと、パーソナライズされた前処理をシミュレートする学習ベースのバックボーンで構成されている。 その結果,我々の統合前処理フレームワークによって最適化された現代のコーデックは,常に最先端圧縮の効率を向上することを示した。
  論文  参考訳（メタデータ） (2022-08-15T10:41:00Z)
• The Devil Is in the Details: Window-based Attention for Image Compression [58.1577742463617]
  既存の学習画像圧縮モデルは畳み込みニューラルネットワーク(CNN)に基づいている。 本稿では,複数種類の注意機構が局所特徴学習に与える影響について検討し,より単純で効果的なウィンドウベースの局所的注意ブロックを提案する。 提案されたウィンドウベースのアテンションは非常に柔軟で、CNNとTransformerモデルを強化するためのプラグイン・アンド・プレイコンポーネントとして機能する可能性がある。
  論文  参考訳（メタデータ） (2022-03-16T07:55:49Z)
• Variable Rate Compression for Raw 3D Point Clouds [5.107705550575662]
  そこで本研究では,生の3Dポイントクラウドデータを用いた新しい可変レート深部圧縮アーキテクチャを提案する。 我々のネットワークは、ポイントクラウドを明示的に処理し、圧縮された記述を生成することができる。
  論文  参考訳（メタデータ） (2022-02-28T15:15:39Z)
• Implicit Neural Representations for Image Compression [103.78615661013623]
  Inlicit Neural Representations (INRs) は、様々なデータ型の新規かつ効果的な表現として注目されている。 量子化、量子化を考慮した再学習、エントロピー符号化を含むINRに基づく最初の包括的圧縮パイプラインを提案する。 我々は、INRによるソース圧縮に対する我々のアプローチが、同様の以前の作業よりも大幅に優れていることに気付きました。
  論文  参考訳（メタデータ） (2021-12-08T13:02:53Z)
• 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)

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。