論文の概要: WISE: A Framework for Gigapixel Whole-Slide-Image Lossless Compression

• arxiv url: http://arxiv.org/abs/2503.18074v1
• Date: Sun, 23 Mar 2025 13:51:24 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-25 14:34:12.144900
• Title: WISE: A Framework for Gigapixel Whole-Slide-Image Lossless Compression
• Title（参考訳）: WISE: ギガピクセルのフルスライディング画像ロスレス圧縮フレームワーク
• Authors: Yu Mao, Jun Wang, Nan Guan, Chun Jason Xue,
• Abstract要約: WSI(Whole-Slide Images)は、組織スライド全体の高解像度画像を提示することで、医療分析に革命をもたらした。 スライドの物理的ストレージは避けるが、WSIは大量のデータを必要とするため、WSIレコードの保存とメンテナンスは高価で持続不可能である。 WISEは、ギガピクセルのWSI画像を平均36倍、最大136倍に効果的に圧縮できることを示す。
• 参考スコア（独自算出の注目度）: 17.905234121399456
• License:
• Abstract: Whole-Slide Images (WSIs) have revolutionized medical analysis by presenting high-resolution images of the whole tissue slide. Despite avoiding the physical storage of the slides, WSIs require considerable data volume, which makes the storage and maintenance of WSI records costly and unsustainable. To this end, this work presents the first investigation of lossless compression of WSI images. Interestingly, we find that most existing compression methods fail to compress the WSI images effectively. Furthermore, our analysis reveals that the failure of existing compressors is mainly due to information irregularity in WSI images. To resolve this issue, we developed a simple yet effective lossless compressor called WISE, specifically designed for WSI images. WISE employs a hierarchical encoding strategy to extract effective bits, reducing the entropy of the image and then adopting a dictionary-based method to handle the irregular frequency patterns. Through extensive experiments, we show that WISE can effectively compress the gigapixel WSI images to 36 times on average and up to 136 times.
• Abstract（参考訳）: WSI(Whole-Slide Images)は、組織スライド全体の高解像度画像を提示することで、医療分析に革命をもたらした。 スライドの物理的ストレージは避けるが、WSIは大量のデータを必要とするため、WSIレコードの保存とメンテナンスは高価で持続不可能である。 本研究は,WSI画像のロスレス圧縮に関する最初の研究である。 興味深いことに、既存の圧縮手法のほとんどは、WSI画像を効果的に圧縮できない。 さらに, 既存の圧縮機の故障は, 主にWSI画像における情報不規則に起因することが明らかとなった。 この問題を解決するために,WSI 画像に特化して設計された WISE と呼ばれる簡易で効果的な損失のない圧縮機を開発した。 WISEは、効率的なビットを抽出し、画像のエントロピーを減らし、不規則な周波数パターンを扱うために辞書ベースの手法を採用する階層的符号化戦略を採用している。 広範にわたる実験により,WISEはギガピクセルのWSI画像を平均36倍,最大136倍に効果的に圧縮できることを示した。

関連論文リスト

• Unlocking the Potential of Digital Pathology: Novel Baselines for Compression [31.13721473800084]
  病的全スライド画像(WSI)における色とテクスチャの相違 ディープラーニングモデルは、WSIのさらなる圧縮のためにJPEG-XLやWebPのような従来の圧縮方式よりも優れた知覚品質のために微調整されている。 本研究は、WSIにおける損失圧縮スキームの評価のための新しい知見を提供し、損失圧縮スキームの統一的な評価を奨励し、デジタル病理の臨床的取り込みを加速させる。
  論文  参考訳（メタデータ） (2024-12-17T18:04:33Z)
• Large Language Models for Lossless Image Compression: Next-Pixel Prediction in Language Space is All You Need [53.584140947828004]
  前例のないインテリジェンスを持つ言語大モデル(LLM)は、様々なデータモダリティのための汎用ロスレス圧縮機である。 P$2$-LLMは,様々な入念な洞察と方法論を統合した次世代の予測型LLMである。 ベンチマークデータセットの実験では、P$2$-LLMがSOTAの古典的および学習的コーデックに勝ることを示した。
  論文  参考訳（メタデータ） (2024-11-19T12:15:40Z)
• 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)
• SPLICE -- Streamlining Digital Pathology Image Processing [0.7852714805965528]
  画像分類・問合せのための教師なしパッチアルゴリズムSPLICE(Sequential Patching Lattice for Image Classification and Enquiry)を提案する。 SPLICEは、病理組織学的WSIをコンパクトな代表パッチセットに凝縮し、冗長性を最小化しながらWSIの"コラージュ"を形成する。 教師なしの方法として、SPLICEは組織像の保存要求を50%削減する。
  論文  参考訳（メタデータ） (2024-04-26T21:30:36Z)
• FLLIC: Functionally Lossless Image Compression [16.892815659154053]
  機能的ロスレス画像圧縮(FLLIC)と呼ばれる,関節の認知と圧縮の新しいパラダイムを提案する。 FLLICは雑音画像の調音・圧縮における最先端性能を実現する。
  論文  参考訳（メタデータ） (2024-01-24T17:44:33Z)
• 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)
• Improving Multi-generation Robustness of Learned Image Compression [16.86614420872084]
  ネットワーク構造を変更せずに50回再符号化しても,BPGの最初の圧縮に匹敵する性能が得られることを示す。
  論文  参考訳（メタデータ） (2022-10-31T03:26:11Z)
• Deep Lossy Plus Residual Coding for Lossless and Near-lossless Image Compression [85.93207826513192]
  本稿では、損失のない画像圧縮とほぼロスレス画像圧縮の両面において、統合された強力な深い損失+残差(DLPR)符号化フレームワークを提案する。 VAEのアプローチにおける連立損失と残留圧縮の問題を解く。 ほぼロスレスモードでは、元の残差を量子化し、与えられた$ell_infty$エラー境界を満たす。
  論文  参考訳（メタデータ） (2022-09-11T12:11:56Z)
• 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)
• 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)

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。