Fugu-MT 論文翻訳(概要): RAVQ-HoloNet: Rate-Adaptive Vector-Quantized Hologram Compression

論文の概要: RAVQ-HoloNet: Rate-Adaptive Vector-Quantized Hologram Compression

arxiv url: http://arxiv.org/abs/2511.21035v1
Date: Wed, 26 Nov 2025 04:13:38 GMT
ステータス: 翻訳完了
システム内更新日: 2025-11-27 18:37:58.958851
Title: RAVQ-HoloNet: Rate-Adaptive Vector-Quantized Hologram Compression
Title（参考訳）: RAVQ-HoloNet: 速度適応ベクトル量子ホログラム圧縮
Authors: Shima Rafiei, Zahra Nabizadeh Shahr Babak, Shadrokh Samavi, Shahram Shirani,
Abstract要約: 本稿では、低ビットレートおよび超低ビットレートで高忠実度再構成を実現するレート適応ベクトル量子化フレームワークであるRAVQ-HoloNetを提案する。低ビットでは、BD-Rateでは-33.91%超え、BD-PSNRは1.02dBである。
参考スコア（独自算出の注目度）: 6.221602936077649
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Holography offers significant potential for AR/VR applications, yet its adoption is limited by the high demands of data compression. Existing deep learning approaches generally lack rate adaptivity within a single network. We present RAVQ-HoloNet, a rate-adaptive vector quantization framework that achieves high-fidelity reconstructions at low and ultra-low bit rates, outperforming current state-of-the-art methods. In low bit, our method exceeds by -33.91% in BD-Rate and achieves a BD-PSNR of 1.02 dB from the best existing method demonstrated by the rate-distortion curve.
Abstract（参考訳）: ホログラフィーはAR/VRアプリケーションにとって大きな可能性を秘めている。既存のディープラーニングアプローチは、一般的に単一のネットワーク内でのレート適応性を欠いている。本稿では,レート適応型ベクトル量子化フレームワークであるRAVQ-HoloNetを提案する。低ビットでは、BD-Rateの-33.91%を超え、レート歪み曲線で示される最良の既存手法から1.02dBのBD-PSNRを達成する。

関連論文リスト

FLaTEC: Frequency-Disentangled Latent Triplanes for Efficient Compression of LiDAR Point Clouds [52.997038111673966]
FLaTECは、圧縮率の高いフルスキャンの圧縮を可能にする周波数対応圧縮モデルである。ボキセル化埋め込みを三面体表現に変換することで、空間性、計算コスト、ストレージ要件を低減する。提案手法は,最先端の速度歪み性能を実現し,標準コーデックのBDレートを78%,94%向上させる。
論文参考訳（メタデータ） (2025-11-25T08:37:49Z)
QuantVSR: Low-Bit Post-Training Quantization for Real-World Video Super-Resolution [53.13952833016505]
実世界のビデオ超解像(VSR)のための低ビット量子化モデルを提案する。キャリブレーションデータセットを用いて各レイヤの空間的および時間的複雑さを計測する。我々はFPおよび低ビット分岐を改良し、同時最適化を実現する。
論文参考訳（メタデータ） (2025-08-06T14:35:59Z)
Low-Rank Matrix Approximation for Neural Network Compression [0.0]
本稿では,重み行列の圧縮に最適なランクを近似する適応型特異値分解法を提案する。 ARSVDは、その特異値のエントロピー分布を通じて、層ごとのランクの適応的な選択を使用する。提案手法は, 効率よく, 層圧縮が可能であり, 空間, 時間的複雑さを低減して性能を向上する。
論文参考訳（メタデータ） (2025-04-25T06:04:01Z)
Multi-Scale Invertible Neural Network for Wide-Range Variable-Rate Learned Image Compression [90.59962443790593]
本稿では,制限を克服するために,可逆変換に基づく可変レート画像圧縮モデルを提案する。具体的には、入力画像をマルチスケールの潜在表現にマッピングする、軽量なマルチスケール非可逆ニューラルネットワークを設計する。実験結果から,提案手法は既存の可変レート法と比較して最先端性能を実現することが示された。
論文参考訳（メタデータ） (2025-03-27T09:08:39Z)
Variable Bitrate Residual Vector Quantization for Audio Coding [29.368893236587343]
最近のニューラルオーディオ圧縮モデルでは、残留ベクトル量子化(RVQ)が徐々に採用されているこれらのモデルはフレーム毎に一定数のコードブックを使用し、レート・歪曲トレードオフの点では最適である。本稿では,音声コーデックの可変RVQ (VRVQ) を提案する。
論文参考訳（メタデータ） (2024-10-08T13:18:24Z)
SPC-NeRF: Spatial Predictive Compression for Voxel Based Radiance Field [41.33347056627581]
本稿では,EVG圧縮に空間予測符号化を適用した新しいフレームワークであるSPC-NeRFを提案する。我々の手法は最先端のVQRFに比べて32%のビット節約が可能である。
論文参考訳（メタデータ） (2024-02-26T07:40:45Z)
Advancing The Rate-Distortion-Computation Frontier For Neural Image Compression [6.167676495563641]
速度歪み計算による研究によると、浮動小数点演算(FLOP)も実行時も自力で神経圧縮法を正確にランク付けするには不十分である。我々は、BPGよりも23.1%の節率で最先端のRD性能が得られる新しいニューラル圧縮アーキテクチャを同定する。
論文参考訳（メタデータ） (2023-09-26T19:47:31Z)
Learning True Rate-Distortion-Optimization for End-To-End Image Compression [59.816251613869376]
速度歪みの最適化は、従来の画像圧縮とビデオ圧縮の重要な部分である。本稿では,RDO結果の低複雑さ推定をトレーニングに導入することにより,トレーニングの強化を図る。我々は以前のRDONetモデルに比べてMS-SSIMで平均19.6%のレートセーブを実現し、従来のディープイメージコーダに比べて27.3%のレートセーブを実現した。
論文参考訳（メタデータ） (2022-01-05T13:02:00Z)
An Efficient Statistical-based Gradient Compression Technique for Distributed Training Systems [77.88178159830905]
Sparsity-Inducing Distribution-based Compression (SIDCo) は閾値に基づくスペーシフィケーションスキームであり、DGCと同等のしきい値推定品質を享受する。 SIDCoは,非圧縮ベースライン,Topk,DGC圧縮機と比較して,最大で41:7%,7:6%,1:9%の速度でトレーニングを高速化する。
論文参考訳（メタデータ） (2021-01-26T13:06:00Z)

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。