論文の概要: PixLift: Accelerating Web Browsing via AI Upscaling
- arxiv url: http://arxiv.org/abs/2502.08995v1
- Date: Thu, 13 Feb 2025 06:14:59 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-02-14 13:44:57.736231
- Title: PixLift: Accelerating Web Browsing via AI Upscaling
- Title（参考訳）: PixLift: AIアップグレードによるWebブラウザの高速化
- Authors: Yonas Atinafu, Sarthak Malla, HyunSeok Daniel Jang, Nouar Aldahoul, Matteo Varvello, Yasir Zaki,
- Abstract要約: PixLiftは、トランスミッション中にイメージをダウンスケールすることで、Webページのサイズを減らす新しいソリューションである。
バンド幅の計算リソースを交換することで、PixLiftはより安価で包括的なWebアクセスを可能にします。
- 参考スコア（独自算出の注目度）: 0.7608765913950183
- License:
- Abstract: Accessing the internet in regions with expensive data plans and limited connectivity poses significant challenges, restricting information access and economic growth. Images, as a major contributor to webpage sizes, exacerbate this issue, despite advances in compression formats like WebP and AVIF. The continued growth of complex and curated web content, coupled with suboptimal optimization practices in many regions, has prevented meaningful reductions in web page sizes. This paper introduces PixLift, a novel solution to reduce webpage sizes by downscaling their images during transmission and leveraging AI models on user devices to upscale them. By trading computational resources for bandwidth, PixLift enables more affordable and inclusive web access. We address key challenges, including the feasibility of scaled image requests on popular websites, the implementation of PixLift as a browser extension, and its impact on user experience. Through the analysis of 71.4k webpages, evaluations of three mainstream upscaling models, and a user study, we demonstrate PixLift's ability to significantly reduce data usage without compromising image quality, fostering a more equitable internet.
- Abstract（参考訳）: 高価なデータプランと限られた接続性を持つ地域でインターネットにアクセスすることは、情報アクセスと経済成長を制限する重要な課題となる。
画像は、WebPやAVIFのような圧縮フォーマットの進歩にもかかわらず、Webページサイズの主要なコントリビュータとして、この問題を悪化させる。
複雑でキュレートされたWebコンテンツの継続的な成長は、多くの地域での最適化手法と相まって、Webページサイズが有意義に減少するのを妨げている。
本稿では、送信中に画像をダウンスケールし、ユーザデバイス上のAIモデルを活用してそれらをスケールアップすることで、Webページサイズを小さくする新しいソリューションPixLiftを紹介する。
バンド幅の計算リソースを交換することで、PixLiftはより安価で包括的なWebアクセスを可能にします。
一般的なWebサイトにおけるスケールドイメージリクエストの実現可能性、ブラウザエクステンションとしてのPixLiftの実装、ユーザエクスペリエンスへの影響など、重要な課題に対処する。
71.4kのWebページの解析,3つの主流のアップスケーリングモデルの評価,ユーザスタディを通じて,PixLiftが画像品質を損なうことなくデータ使用量を大幅に削減し,より公平なインターネットを育む能力を実証した。
関連論文リスト
- Rethinking Image Compression on the Web with Generative AI [1.941594765886385]
本稿では、生成AIを用いて、エッジやクライアント側で画像の再構成を行う新しいアプローチについて検討する。
テキストプロンプトを活用し,Cannyエッジやカラーパレットなどの条件入力をテキスト・ツー・イメージモデルに付加するフレームワークを開発した。
本手法は従来の圧縮法よりも画像の意味と構造を効果的に保存する。
論文 参考訳（メタデータ） (2024-07-05T14:29:12Z) - Towards Resource-Efficient Streaming of Large-Scale Medical Image Datasets for Deep Learning [3.8129962526689702]
医療画像ストリーミングツールキット(MIST)は、単一の高解像度コピーから異なる解像度とフォーマットで医療画像のストリーミングを可能にする。
MISTは、画像の品質に影響を与えることなく、データセットのホスティングとダウンロードに必要なストレージと帯域幅を削減する。
論文 参考訳（メタデータ） (2023-07-01T23:20:38Z) - Real-Time Image Demoireing on Mobile Devices [59.59997851375429]
本稿では,モバイルデバイス上でのリアルタイム展開に向けた動的復号化高速化手法(DDA)を提案する。
私たちの刺激は、モアレパターンが画像全体に不均衡に分散されることが、シンプルで普遍的な事実に起因しています。
提案手法は推定時間を劇的に短縮し,モバイルデバイス上でリアルタイムな画像復調を実現する。
論文 参考訳（メタデータ） (2023-02-04T15:42:42Z) - MicroISP: Processing 32MP Photos on Mobile Devices with Deep Learning [114.66037224769005]
エッジデバイスに特化して設計された新しいMicroISPモデルを提案する。
提案したソリューションは,モバイルMLライブラリを使用して,最新のスマートフォン上で最大32MPの写真を処理できる。
モデルのアーキテクチャは柔軟で、計算能力の異なるデバイスに複雑性を調整することができる。
論文 参考訳（メタデータ） (2022-11-08T17:40:50Z) - Analysis of the Effect of Low-Overhead Lossy Image Compression on the
Performance of Visual Crowd Counting for Smart City Applications [78.55896581882595]
画像圧縮技術は画像の品質を低下させ、精度を低下させる。
本稿では,低オーバヘッド損失画像圧縮法の適用が視覚的群集カウントの精度に与える影響を解析する。
論文 参考訳（メタデータ） (2022-07-20T19:20:03Z) - SnapMode: An Intelligent and Distributed Large-Scale Fashion Image
Retrieval Platform Based On Big Data and Deep Generative Adversarial Network
Technologies [2.280980014008583]
人間がこの領域で進行中の進化と継続的に変化する内容に手動で追いつくことはほとんど不可能である。
本稿ではまず,電子商取引サイトにおけるファッションデータの抽出と処理を行う分散コンピューティングプラットフォームに基づく,スケーラブルなWebエンジンを提案する。
提案されたソリューションの現実の実装のために、Webベースのアプリケーションは、Apache Storm、Kafka、Solr、Milvusプラットフォーム上で開発され、SnapModeと呼ばれるファッション検索エンジンを作成する。
論文 参考訳（メタデータ） (2022-04-08T11:08:03Z) - Facial Masks and Soft-Biometrics: Leveraging Face Recognition CNNs for
Age and Gender Prediction on Mobile Ocular Images [53.913598771836924]
スマートフォンで撮影した自撮り眼画像を使って年齢や性別を推定します。
ImageNet Challengeの文脈で提案された2つの既存の軽量CNNを適応させる。
一部のネットワークは顔認識のためにさらにトレーニングされており、非常に大規模なトレーニングデータベースが利用可能です。
論文 参考訳（メタデータ） (2021-03-31T01:48:29Z) - CNNs for JPEGs: A Study in Computational Cost [49.97673761305336]
畳み込みニューラルネットワーク(CNN)は過去10年間で驚くべき進歩を遂げてきた。
CNNはRGBピクセルから直接データの堅牢な表現を学習することができる。
近年,圧縮領域から直接学習できる深層学習手法が注目されている。
論文 参考訳（メタデータ） (2020-12-26T15:00:10Z) - AWNet: Attentive Wavelet Network for Image ISP [14.58067200317891]
本稿では,この学習可能な画像ISP問題に対処するために,AWNetと呼ばれるアテンション機構とウェーブレット変換を利用する新しいネットワークを提案する。
提案手法により,RAW情報から好意的な画像の詳細を復元し,より広い受容領域を実現することができる。
実験結果から,定性的,定量的両測定における設計の進歩が示唆された。
論文 参考訳（メタデータ） (2020-08-20T23:28:41Z) - Learning End-to-End Lossy Image Compression: A Benchmark [90.35363142246806]
まず,学習した画像の圧縮方法に関する総合的な文献調査を行う。
本稿では,最先端の学習画像圧縮手法のマイルストーンについて述べるとともに,既存の幅広い作品について概観し,その歴史的開発ルートについて考察する。
エントロピー推定と信号再構成のための粗大な超高次モデルを導入することにより、速度歪み性能の向上を実現する。
論文 参考訳（メタデータ） (2020-02-10T13:13:43Z)
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。