論文の概要: Raw-JPEG Adapter: Efficient Raw Image Compression with JPEG

• arxiv url: http://arxiv.org/abs/2509.19624v1
• Date: Tue, 23 Sep 2025 22:31:37 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-25 20:53:19.626208
• Title: Raw-JPEG Adapter: Efficient Raw Image Compression with JPEG
• Title（参考訳）: Raw-JPEG Adapter: JPEGによる効率的なRaw画像圧縮
• Authors: Mahmoud Afifi, Ran Zhang, Michael S. Brown,
• Abstract要約: 本稿では,Raw Adapterについて述べる。Raw Adapterは,標準JPEG圧縮に生画像を適用する軽量で学習可能な,可逆的な前処理パイプラインである。 提案手法は直接JPEGストレージよりも忠実度が高く,他のコーデックをサポートし,圧縮比と再現精度のトレードオフが良好である。
• 参考スコア（独自算出の注目度）: 22.467573774642005
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Digital cameras digitize scene light into linear raw representations, which the image signal processor (ISP) converts into display-ready outputs. While raw data preserves full sensor information--valuable for editing and vision tasks--formats such as Digital Negative (DNG) require large storage, making them impractical in constrained scenarios. In contrast, JPEG is a widely supported format, offering high compression efficiency and broad compatibility, but it is not well-suited for raw storage. This paper presents RawJPEG Adapter, a lightweight, learnable, and invertible preprocessing pipeline that adapts raw images for standard JPEG compression. Our method applies spatial and optional frequency-domain transforms, with compact parameters stored in the JPEG comment field, enabling accurate raw reconstruction. Experiments across multiple datasets show that our method achieves higher fidelity than direct JPEG storage, supports other codecs, and provides a favorable trade-off between compression ratio and reconstruction accuracy.
• Abstract（参考訳）: デジタルカメラはシーン光を線形な生の表現にデジタル化し、画像信号処理装置(ISP)は表示可能な出力に変換する。 生データは完全なセンサ情報を保存し、編集や視覚タスクに有用であるが、Digital Negative (DNG)のようなフォーマットは大きなストレージを必要とするため、制約のあるシナリオでは実用的ではない。 対照的にJPEGは広くサポートされているフォーマットであり、圧縮効率が高く、互換性も広いが、生のストレージには適していない。 本稿では,RawJPEGアダプタを提案する。RawJPEGアダプタは,標準JPEG圧縮に生画像を適用する軽量で学習可能な,可逆的な前処理パイプラインである。 提案手法は、JPEGコメントフィールドに格納されたコンパクトなパラメータを持つ空間的および任意の周波数領域変換を適用し、正確な生の再構成を可能にする。 複数のデータセットにまたがる実験により,提案手法は直接JPEGストレージよりも忠実度が高く,他のコーデックをサポートし,圧縮比と復元精度のトレードオフが良好であることが示された。

関連論文リスト

• JPEG Inspired Deep Learning [4.958744940097937]
  精巧なJPEG圧縮は、ディープラーニング(DL)の性能を実際に向上させる トレーニング可能なJPEG圧縮層で基盤となるDNNアーキテクチャをプリペイドする新しいDLフレームワークであるJPEG-DLを提案する。 私たちのコードはhttps://github.com/AhmedHussKhalifa/Inspired-DL.gitで利用可能です。
  論文  参考訳（メタデータ） (2024-10-09T17:23:54Z)
• 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)
• Data-Efficient Sequence-Based Visual Place Recognition with Highly Compressed JPEG Images [17.847661026367767]
  視覚的場所認識(VPR)は、ロボットプラットフォームが環境中をローカライズすることを可能にする基本的なタスクである。 JPEGは画像圧縮標準であり、VPRアプリケーションの低データ伝送を容易にするために高い圧縮比を使用することができる。 高レベルのJPEG圧縮を適用すると、画像の明度とサイズが大幅に削減される。
  論文  参考訳（メタデータ） (2023-02-26T13:13:51Z)
• Raw Image Reconstruction with Learned Compact Metadata [61.62454853089346]
  本稿では,メタデータとしての潜在空間におけるコンパクトな表現をエンドツーエンドで学習するための新しいフレームワークを提案する。 提案する生画像圧縮方式は,グローバルな視点から重要な画像領域に適応的により多くのビットを割り当てることができることを示す。
  論文  参考訳（メタデータ） (2023-02-25T05:29:45Z)
• Data Efficient Visual Place Recognition Using Extremely JPEG-Compressed Images [17.847661026367767]
  本稿では,JPEG圧縮が視覚的位置認識技術の性能に与える影響について検討する。 圧縮を導入することにより、特に高い圧縮スペクトルにおいて、VPR性能が大幅に低下することを示す。 我々は、JPEG圧縮データに最適化された微調整CNNを提案し、非常に圧縮されたJPEG画像で検出された画像変換とより一貫した性能を示す。
  論文  参考訳（メタデータ） (2022-09-17T14:46:28Z)
• Practical Learned Lossless JPEG Recompression with Multi-Level Cross-Channel Entropy Model in the DCT Domain [10.655855413391324]
  本稿では,DCT領域で動作するディープラーニングに基づくJPEG再圧縮手法を提案する。 実験により,従来のJPEG再圧縮手法と比較して最先端の性能が得られた。
  論文  参考訳（メタデータ） (2022-03-30T14:36:13Z)
• Towards Robust Data Hiding Against (JPEG) Compression: A Pseudo-Differentiable Deep Learning Approach [78.05383266222285]
  これらの圧縮に対抗できるデータ隠蔽の目標を達成することは、依然としてオープンな課題である。 ディープラーニングはデータの隠蔽に大きな成功を収めていますが、JPEGの非差別化性は、損失のある圧縮に対する堅牢性を改善するための深いパイプラインのトレーニングを困難にしています。 本稿では,上記の制約をすべて一度に解決するための,単純かつ効果的なアプローチを提案する。
  論文  参考訳（メタデータ） (2020-12-30T12:30:09Z)
• Learning to Improve Image Compression without Changing the Standard Decoder [100.32492297717056]
  本稿では,標準デコーダによる符号化性能向上のための学習法を提案する。 具体的には、DCT係数の分布を最適化する周波数領域事前編集法を提案する。 JPEGデコーダは変更しないので、広く使われている標準JPEGデコーダで画像を見る際には、我々のアプローチが適用可能である。
  論文  参考訳（メタデータ） (2020-09-27T19:24:42Z)
• Quantization Guided JPEG Artifact Correction [69.04777875711646]
  我々はJPEGファイル量子化行列を用いたアーティファクト修正のための新しいアーキテクチャを開発した。 これにより、特定の品質設定のためにトレーニングされたモデルに対して、単一のモデルで最先端のパフォーマンスを達成できます。
  論文  参考訳（メタデータ） (2020-04-17T00:10:08Z)

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。