論文の概要: JND-Guided Light-Weight Neural Pre-Filter for Perceptual Image Coding

• arxiv url: http://arxiv.org/abs/2510.10648v1
• Date: Sun, 12 Oct 2025 15:05:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-14 18:06:30.048022
• Title: JND-Guided Light-Weight Neural Pre-Filter for Perceptual Image Coding
• Title（参考訳）: JND-Guided Light-Weight Neural Pre-Filter for Perceptual Image Coding
• Authors: Chenlong He, Zijing Dong, Min Li, Zhijian Hao, Leilei Huang, Xiaoyang Zeng, Yibo Fan,
• Abstract要約: 我々は、周波数領域JND-Guidedプレフィルタの統一ベンチマークであるFJNDF-Pytorchを開発し、オープンソース化する。 また、新しい軽量畳み込みニューラルネットワーク(CNN)のための完全な学習フレームワークを提案する。 我々のモデルは非常に軽量であり、最近の軽量ネットワークのコストの14.1%に過ぎず、1080p画像を処理するのに7.15 GFLOPしか必要としない。
• 参考スコア（独自算出の注目度）: 22.8017106273569
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Just Noticeable Distortion (JND)-guided pre-filter is a promising technique for improving the perceptual compression efficiency of image coding. However, existing methods are often computationally expensive, and the field lacks standardized benchmarks for fair comparison. To address these challenges, this paper introduces a twofold contribution. First, we develop and open-source FJNDF-Pytorch, a unified benchmark for frequency-domain JND-Guided pre-filters. Second, leveraging this platform, we propose a complete learning framework for a novel, lightweight Convolutional Neural Network (CNN). Experimental results demonstrate that our proposed method achieves state-of-the-art compression efficiency, consistently outperforming competitors across multiple datasets and encoders. In terms of computational cost, our model is exceptionally lightweight, requiring only 7.15 GFLOPs to process a 1080p image, which is merely 14.1% of the cost of recent lightweight network. Our work presents a robust, state-of-the-art solution that excels in both performance and efficiency, supported by a reproducible research platform. The open-source implementation is available at https://github.com/viplab-fudan/FJNDF-Pytorch.
• Abstract（参考訳）: Just Noticeable Distortion (JND)-Guided Pre-filterは、画像符号化の知覚圧縮効率を改善するための有望な技術である。 しかし、既存の手法はしばしば計算コストが高く、その分野は公正比較のための標準ベンチマークを欠いている。 これらの課題に対処するために,本稿では2つのコントリビューションを紹介する。 まず、周波数領域JND-Guided Pre-filterの統一ベンチマークであるFJNDF-Pytorchを開発し、オープンソース化する。 第二に、このプラットフォームを活用して、新しい軽量畳み込みニューラルネットワーク(CNN)のための完全な学習フレームワークを提案する。 実験により,提案手法は最先端の圧縮効率を実現し,複数のデータセットやエンコーダの競合よりも一貫して優れていた。 計算コストの面では、我々のモデルは極めて軽量であり、最近の軽量ネットワークの14.1%のコストで1080p画像を処理するのに7.15 GFLOPしか必要としない。 我々の研究は、再現可能な研究プラットフォームによって支えられ、性能と効率の両面で優れている、堅牢で最先端のソリューションを提示します。 オープンソース実装はhttps://github.com/viplab-fudan/FJNDF-Pytorchで公開されている。

関連論文リスト

• SODiff: Semantic-Oriented Diffusion Model for JPEG Compression Artifacts Removal [50.90827365790281]
  SODiffはJPEGアーティファクト削除のためのセマンティック指向のワンステップ拡散モデルである。 我々の中核的な考え方は、効果的な復元ヒンジは、事前訓練された拡散モデルに対する意味指向的なガイダンスを提供することである。 SAIPEは、低品質(LQ)画像からリッチな特徴を抽出し、テキストエンコーダとセマンティックに整合した埋め込み空間に投影する。
  論文  参考訳（メタデータ） (2025-08-10T13:48:07Z)
• Steering One-Step Diffusion Model with Fidelity-Rich Decoder for Fast Image Compression [36.10674664089876]
  SODECは単一ステップ拡散に基づく画像圧縮モデルである。 遺伝子前駆体への過度な依存から生じる忠実性を改善する。 既存の手法よりも優れており、より優れたレート・歪み・知覚性能を実現している。
  論文  参考訳（メタデータ） (2025-08-07T02:24:03Z)
• Reducing Storage of Pretrained Neural Networks by Rate-Constrained Quantization and Entropy Coding [56.066799081747845]
  成長を続けるニューラルネットワークのサイズは、リソースに制約のあるデバイスに深刻な課題をもたらす。 本稿では,レートアウェア量子化とエントロピー符号化を組み合わせた学習後圧縮フレームワークを提案する。 この方法では非常に高速な復号化が可能であり、任意の量子化グリッドと互換性がある。
  論文  参考訳（メタデータ） (2025-05-24T15:52:49Z)
• GANCompress: GAN-Enhanced Neural Image Compression with Binary Spherical Quantization [0.0]
  GANCompressは、二元球量子化(BSQ)とGAN(Generative Adversarial Networks)を組み合わせた新しいニューラル圧縮フレームワークである。 GANCompressは圧縮効率を大幅に向上し、ファイルサイズを最大100倍まで削減し、視覚的歪みを最小限に抑える。
  論文  参考訳（メタデータ） (2025-05-19T00:18:27Z)
• Perceptual Learned Image Compression via End-to-End JND-Based Optimization [15.173265255635219]
  Emerging Learned Image Compression (LC)は、圧縮のためのニューラルネットワークのエンドツーエンドトレーニングによって、コーディング効率を大幅に改善する。 HVS(Human Visual System)に準拠したLCの知覚的最適化は、まだ完全には検討されていない。 本稿では,Just Noticeable Distortion(JND)の原則をLCに統合するための新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-02-05T09:45:38Z)
• IQNet: Image Quality Assessment Guided Just Noticeable Difference Prefiltering For Versatile Video Coding [0.9403328689534943]
  ジャストインタブル歪み(JND)による画像プリフィルタは、圧縮前に知覚的に冗長な情報をフィルタリングすることにより、視覚的に符号化効率を向上させる。 本稿では, 高精度なブロックレベルのJNDモデリングのための画像品質評価によって導かれる, きめ細かいJND事前フィルタリングデータセットを提案する。
  論文  参考訳（メタデータ） (2023-12-15T13:58:10Z)
• Unrolled Compressed Blind-Deconvolution [77.88847247301682]
  sparse multi channel blind deconvolution (S-MBD) はレーダー/ソナー/超音波イメージングなどの多くの工学的応用で頻繁に発生する。 そこで本研究では,受信した全信号に対して,はるかに少ない測定値からブラインドリカバリを可能にする圧縮手法を提案する。
  論文  参考訳（メタデータ） (2022-09-28T15:16:58Z)
• Neural JPEG: End-to-End Image Compression Leveraging a Standard JPEG Encoder-Decoder [73.48927855855219]
  本稿では,エンコーダとデコーダの両端に内在するニューラル表現を強化することで,符号化性能の向上を図るシステムを提案する。 実験により,提案手法はJPEGに対する速度歪み性能を,様々な品質指標で改善することを示した。
  論文  参考訳（メタデータ） (2022-01-27T20:20:03Z)

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。