論文の概要: Revisiting SVD and Wavelet Difference Reduction for Lossy Image Compression: A Reproducibility Study

• arxiv url: http://arxiv.org/abs/2512.06221v1
• Date: Sat, 06 Dec 2025 00:00:51 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-09 22:03:54.24538
• Title: Revisiting SVD and Wavelet Difference Reduction for Lossy Image Compression: A Reproducibility Study
• Title（参考訳）: 画像圧縮におけるSVDとウェーブレット差分法の再検討 : 再現性の検討
• Authors: Alena Makarova,
• Abstract要約: オリジナルの論文では、SVDとWDRを組み合わせることでJPEG2000やスタンドアロンのWDRよりも視覚的品質と圧縮比が向上すると主張している。 提案手法を再実装し,実装の詳細を慎重に検討し,可能な限り実験結果を再現した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This work presents an independent reproducibility study of a lossy image compression technique that integrates singular value decomposition (SVD) and wavelet difference reduction (WDR). The original paper claims that combining SVD and WDR yields better visual quality and higher compression ratios than JPEG2000 and standalone WDR. I re-implemented the proposed method, carefully examined missing implementation details, and replicated the original experiments as closely as possible. I then conducted additional experiments on new images and evaluated performance using PSNR and SSIM. In contrast to the original claims, my results indicate that the SVD+WDR technique generally does not surpass JPEG2000 or WDR in terms of PSNR, and only partially improves SSIM relative to JPEG2000. The study highlights ambiguities in the original description (e.g., quantization and threshold initialization) and illustrates how such gaps can significantly impact reproducibility and reported performance.
• Abstract（参考訳）: 本研究では,特異値分解(SVD)とウェーブレット差分低減(WDR)を統合した画像圧縮技術について,独立に再現性を示す。 元の論文では、SVDとWDRを組み合わせることで、JPEG2000やスタンドアロンのWDRよりも視覚的品質と圧縮比が向上すると主張している。 提案手法を再実装し,実装の詳細を慎重に検討し,可能な限り実験結果を再現した。 その後,PSNR と SSIM を用いて新たな画像実験を行い,性能評価を行った。 元の主張とは対照的に,SVD+WDR技術は一般にPSNRにおいてJPEG2000やWDRを超えず,JPEG2000と比較してSSIMを部分的に改善している。 この研究は、オリジナルの記述の曖昧さ(例えば、量子化としきい値初期化)を強調し、そのようなギャップが再現性と報告された性能にどのように影響するかを示した。

関連論文リスト

• Higher fidelity perceptual image and video compression with a latent conditioned residual denoising diffusion model [55.2480439325792]
  本稿では,認知品質に最適化されたハイブリッド圧縮方式を提案し,CDCモデルのアプローチをデコーダネットワークで拡張する。 CDCと比較した場合,LPIPSとFIDの知覚スコアを比較検討しながら,最大2dBPSNRの忠実度向上を実現した。
  論文  参考訳（メタデータ） (2025-05-19T14:13:14Z)
• Ultra Lowrate Image Compression with Semantic Residual Coding and Compression-aware Diffusion [28.61304513668606]
  ResULICは残留誘導型超低レート画像圧縮システムである。 残差信号は意味検索と拡散に基づく生成プロセスの両方に組み込む。 最先端拡散法に比べて客観的・主観的性能に優れる。
  論文  参考訳（メタデータ） (2025-05-13T06:51:23Z)
• PatchSVD: A Non-uniform SVD-based Image Compression Algorithm [20.856903918492154]
  そこで本研究では,Singular Value Decomposition (SVD) アルゴリズムに基づいて,PatchSVDと呼ばれる領域ベースの損失画像圧縮手法を提案する。 PatchSVDは,3つの画像圧縮指標に対して,SVDに基づく画像圧縮よりも優れることを示す。
  論文  参考訳（メタデータ） (2024-06-07T17:57:40Z)
• A Rate-Distortion-Classification Approach for Lossy Image Compression [0.0]
  損失画像圧縮では、画像を特定のビットレートに圧縮しながら、最小限の信号歪みを実現する。 画像圧縮と視覚解析のギャップを埋めるために、損失画像圧縮のためのRDCモデルを提案する。
  論文  参考訳（メタデータ） (2024-05-06T14:11:36Z)
• Semantic Ensemble Loss and Latent Refinement for High-Fidelity Neural Image Compression [58.618625678054826]
  本研究は、最適な視覚的忠実度のために設計された強化されたニューラル圧縮手法を提案する。 我々は,洗練されたセマンティック・アンサンブル・ロス,シャルボニエ・ロス,知覚的損失,スタイル・ロス,非バイナリ・ディバイザ・ロスを組み込んだモデルを構築した。 実験により,本手法は神経画像圧縮の統計的忠実度を著しく向上させることが示された。
  論文  参考訳（メタデータ） (2024-01-25T08:11:27Z)
• Machine Perception-Driven Image Compression: A Layered Generative Approach [32.23554195427311]
  階層型生成画像圧縮モデルを提案する。 タスクに依存しない学習に基づく圧縮モデルを提案し、様々な圧縮されたドメインベースの分析タスクを効果的にサポートする。 圧縮比、再構成画像品質、下流知覚性能の最良のバランス点を得るために、共同最適化スケジュールを採用する。
  論文  参考訳（メタデータ） (2023-04-14T02:12:38Z)
• DR2: Diffusion-based Robust Degradation Remover for Blind Face Restoration [66.01846902242355]
  ブラインド顔復元は通常、トレーニングのための事前定義された劣化モデルで劣化した低品質データを合成する。 トレーニングデータに現実のケースをカバーするために、あらゆる種類の劣化を含めることは、高価で実現不可能である。 本稿では、まず、劣化した画像を粗いが劣化不変な予測に変換し、次に、粗い予測を高品質な画像に復元するために拡張モジュールを使用するロバスト劣化再帰法(DR2)を提案する。
  論文  参考訳（メタデータ） (2023-03-13T06:05:18Z)
• JND-Based Perceptual Optimization For Learned Image Compression [42.822121565430926]
  学習画像圧縮方式におけるJNDに基づく知覚品質損失を提案する。 提案手法は,同じビットレートのベースラインモデルよりも知覚品質が向上したことを示す。
  論文  参考訳（メタデータ） (2023-02-25T14:49:09Z)
• Implicit Neural Representations for Image Compression [103.78615661013623]
  Inlicit Neural Representations (INRs) は、様々なデータ型の新規かつ効果的な表現として注目されている。 量子化、量子化を考慮した再学習、エントロピー符号化を含むINRに基づく最初の包括的圧縮パイプラインを提案する。 我々は、INRによるソース圧縮に対する我々のアプローチが、同様の以前の作業よりも大幅に優れていることに気付きました。
  論文  参考訳（メタデータ） (2021-12-08T13:02:53Z)

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。