論文の概要: High Quality Underwater Image Compression with Adaptive Correction and Codebook-based Augmentation

• arxiv url: http://arxiv.org/abs/2505.09986v1
• Date: Thu, 15 May 2025 05:52:11 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-16 22:29:06.197498
• Title: High Quality Underwater Image Compression with Adaptive Correction and Codebook-based Augmentation
• Title（参考訳）: 適応補正とコードブックによる拡張による高品質水中画像圧縮
• Authors: Yimin Zhou, Yichong Xia, Sicheng Pan, Bin Chen, Baoyi An, Haoqian Wang, Zhi Wang, Yaowei Wang, Zikun Zhou,
• Abstract要約: 圧縮効率を向上させるため,水中画像特化機能を利用したHQUICを提案する。 HQUICはALTCモジュールを使用して、画像の減衰係数と大域的な光情報を適応的に予測する。 また、コードブックを補助ブランチとして使用して、水中画像内の共通オブジェクトを抽出する。
• 参考スコア（独自算出の注目度）: 40.31787214093326
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: With the increasing exploration and exploitation of the underwater world, underwater images have become a critical medium for human interaction with marine environments, driving extensive research into their efficient transmission and storage. However, contemporary underwater image compression algorithms fail to fully leverage the unique characteristics distinguishing underwater scenes from terrestrial images, resulting in suboptimal performance. To address this limitation, we introduce HQUIC, designed to exploit underwater-image-specific features for enhanced compression efficiency. HQUIC employs an ALTC module to adaptively predict the attenuation coefficients and global light information of the images, which effectively mitigates the issues caused by the differences in lighting and tone existing in underwater images. Subsequently, HQUIC employs a codebook as an auxiliary branch to extract the common objects within underwater images and enhances the performance of the main branch. Furthermore, HQUIC dynamically weights multi-scale frequency components, prioritizing information critical for distortion quality while discarding redundant details. Extensive evaluations on diverse underwater datasets demonstrate that HQUIC outperforms state-of-the-art compression methods.
• Abstract（参考訳）: 水中環境の探索と利用の増大に伴い、水中画像は海洋環境との人間の相互作用にとって重要な媒体となり、その効率的な伝送と貯蔵に関する広範な研究が進められている。 しかし、現代の水中画像圧縮アルゴリズムは、水中のシーンと地上のシーンを区別するユニークな特徴を十分に活用することができず、その結果、準最適性能が得られる。 この制限に対処するために,水中画像特有の特徴を活用して圧縮効率を向上させるHQUICを導入する。 HQUICはALTCモジュールを用いて画像の減衰係数と大域的な光情報を適応的に予測し、水中画像に存在する照明とトーンの違いに起因する問題を効果的に軽減する。 その後、HQUICはコードブックを補助ブランチとして使用し、水中画像内の共通オブジェクトを抽出し、メインブランチの性能を高める。 さらに、HQUICはマルチスケールの周波数成分を動的に重み付けし、冗長な詳細を破棄しながら歪み品質に重要な情報を優先する。 多様な水中データセットに対する広範囲な評価は、HQUICが最先端の圧縮手法より優れていることを示している。

関連論文リスト

• Improving underwater semantic segmentation with underwater image quality attention and muti-scale aggregation attention [13.73105543582749]
  UnderWater SegFormer (UWSegFormer) は、低品質水中画像のセマンティックセグメンテーションのためのトランスフォーマーベースのフレームワークである。 提案手法は,SOTA法と比較した場合,分割完全性,境界明細度,主観的知覚的詳細性の点で有利である。
  論文  参考訳（メタデータ） (2025-03-30T12:47:56Z)
• Phaseformer: Phase-based Attention Mechanism for Underwater Image Restoration and Beyond [25.975859029063585]
  水中画像復元(UIR)のための1.77Mパラメータを持つ軽量位相変換器ネットワークを提案する。 本手法は,位相に基づく自己認識機構を用いて,非汚染特徴を効果的に抽出することに焦点を当てる。 LOLデータセットを用いた低照度画像強調の有効性を示す。
  論文  参考訳（メタデータ） (2024-12-02T12:48:19Z)
• HUPE: Heuristic Underwater Perceptual Enhancement with Semantic Collaborative Learning [62.264673293638175]
  既存の水中画像強調法は主に視覚的品質の向上に重点を置いており、実際的な意味を見落としている。 視覚的品質を高め,他の下流タスクに対処する柔軟性を示す,水中知覚向上のための可逆的ネットワークHを提案する。
  論文  参考訳（メタデータ） (2024-11-27T12:37:03Z)
• Advanced Underwater Image Quality Enhancement via Hybrid Super-Resolution Convolutional Neural Networks and Multi-Scale Retinex-Based Defogging Techniques [0.0]
  この研究は、提案されたアプローチの有効性をさらに説明するために、現実世界の水中データセットに関する広範な実験を行っている。 海洋探査、水中ロボティクス、自律水中車両といったリアルタイムの水中アプリケーションでは、ディープラーニングと従来の画像処理技術を組み合わせることで、計算効率の良いフレームワークと優れた結果が得られる。
  論文  参考訳（メタデータ） (2024-10-18T08:40:26Z)
• DGNet: Dynamic Gradient-Guided Network for Water-Related Optics Image Enhancement [77.0360085530701]
  水中画像強調(UIE)は、水中環境によって引き起こされる複雑な劣化のために難しい課題である。 従来の手法では、劣化過程を理想化し、中音や物体の動きが画像の特徴の分布に与える影響を無視することが多い。 提案手法では,予測画像を用いて疑似ラベルを動的に更新し,動的勾配を加えてネットワークの勾配空間を最適化する。
  論文  参考訳（メタデータ） (2023-12-12T06:07:21Z)
• Wavelet-based Fourier Information Interaction with Frequency Diffusion Adjustment for Underwater Image Restoration [6.185197290440237]
  本稿では,周波数領域情報と拡散モデルの特徴をフル活用するWF-Diffを提案する。 WF-Diffは、ウェーブレットベースのフーリエ情報インタラクションネットワーク(WFI2-net)と周波数残差拡散調整モジュール(FRDAM)の2つの分離可能なネットワークで構成されている。 提案アルゴリズムは,実世界の水中画像データセット上でのSOTA性能を示し,視覚的品質の競争性能を実現する。
  論文  参考訳（メタデータ） (2023-11-28T14:58:32Z)
• UWFormer: Underwater Image Enhancement via a Semi-Supervised Multi-Scale Transformer [26.15238399758745]
  水中画像は、品質が悪く、色調が歪んだり、コントラストが低かったりすることが多い。 現在のディープラーニング手法は、マルチスケール拡張に欠けるニューラル畳み込みネットワーク(CNN)に依存している。 半教師付き学習によって複数の周波数の画像を拡張するためのマルチスケールトランスフォーマーベースネットワークを提案する。
  論文  参考訳（メタデータ） (2023-10-31T06:19:09Z)
• Learning Heavily-Degraded Prior for Underwater Object Detection [59.5084433933765]
  本稿では、検出器フレンドリーな画像から、転送可能な事前知識を求める。 これは、検出器フレンドリー(DFUI)と水中画像の高度に劣化した領域が、特徴分布のギャップがあることを統計的に観察したものである。 高速かつパラメータの少ない本手法は変圧器型検出器よりも優れた性能を保っている。
  論文  参考訳（メタデータ） (2023-08-24T12:32:46Z)
• WaterFlow: Heuristic Normalizing Flow for Underwater Image Enhancement and Beyond [52.27796682972484]
  既存の水中画像強調法は, 画像品質の向上に重点を置いており, 実践への影響を無視している。 本稿では,検出駆動型水中画像強調のための正規化フローであるWaterFlowを提案する。 微分可能性や解釈可能性を考慮すると、事前をデータ駆動マッピング手法に組み込む。
  論文  参考訳（メタデータ） (2023-08-02T04:17:35Z)

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。