論文の概要: Saliency Driven Imagery Preprocessing for Efficient Compression -- Industrial Paper

• arxiv url: http://arxiv.org/abs/2601.17555v1
• Date: Sat, 24 Jan 2026 18:52:19 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-27 15:23:07.921427
• Title: Saliency Driven Imagery Preprocessing for Efficient Compression -- Industrial Paper
• Title（参考訳）: 効率的な圧縮のための塩分駆動画像前処理-産業用紙
• Authors: Justin Downes, Sam Saltwick, Anthony Chen,
• Abstract要約: そこで本研究では,サリエンシマップによって駆動される前処理技術を用いて,単一大衛星画像内の可変レート画像圧縮を実現する方法について述べる。 具体的には、可変サイズの平滑化カーネルを用いて、異なる量子化サリエンシレベルにマッピングし、画像ピクセルを処理し、下流圧縮と符号化方式を最適化する。
• 参考スコア（独自算出の注目度）: 5.980556660370507
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The compression of satellite imagery remains an important research area as hundreds of terabytes of images are collected every day, which drives up storage and bandwidth costs. Although progress has been made in increasing the resolution of these satellite images, many downstream tasks are only interested in small regions of any given image. These areas of interest vary by task but, once known, can be used to optimize how information within the image is encoded. Whereas standard image encoding methods, even those optimized for remote sensing, work on the whole image equally, there are emerging methods that can be guided by saliency maps to focus on important areas. In this work we show how imagery preprocessing techniques driven by saliency maps can be used with traditional lossy compression coding standards to create variable rate image compression within a single large satellite image. Specifically, we use variable sized smoothing kernels that map to different quantized saliency levels to process imagery pixels in order to optimize downstream compression and encoding schemes.
• Abstract（参考訳）: 衛星画像の圧縮は、毎日何百テラバイトもの画像が収集され、ストレージと帯域幅のコストが上昇する重要な研究領域である。 これらの衛星画像の解像度を上げるために進歩してきたが、下流の多くのタスクは、特定の画像の小さな領域のみに関心を持っている。 これらの関心領域はタスクによって異なるが、かつては画像内の情報のエンコード方法の最適化に利用することができる。 リモートセンシングに最適化された標準的な画像符号化手法は、画像全体に対して等しく機能するが、重要な領域に焦点を合わせるために、唾液マップによってガイドできる新しい方法が存在する。 本研究は, 従来の圧縮符号化規格を用いて, 画像前処理技術を用いて, 単一の大きな衛星画像内に可変レート画像圧縮を生成する方法を示す。 具体的には、可変サイズの平滑化カーネルを用いて、異なる量子化サリエンシレベルにマッピングし、画像ピクセルを処理し、下流圧縮と符号化方式を最適化する。

関連論文リスト

• Efficient Masked Image Compression with Position-Indexed Self-Attention [6.64044416324419]
  位置インデクシングによる自己アテンション機構に基づく画像圧縮手法を提案する。 既存の意味構造圧縮法と比較して,本手法は計算コストを大幅に削減することができる。
  論文  参考訳（メタデータ） (2025-04-17T13:12:39Z)
• MISC: Ultra-low Bitrate Image Semantic Compression Driven by Large Multimodal Model [78.4051835615796]
  本稿では,マルチモーダル画像セマンティック圧縮法を提案する。 画像の意味情報を抽出するLMMエンコーダと、その意味に対応する領域を特定するマップエンコーダと、非常に圧縮されたビットストリームを生成する画像エンコーダと、前記情報に基づいて画像を再構成するデコーダとからなる。 知覚50%を節約しながら最適な一貫性と知覚結果を達成することができ、これは次世代のストレージと通信において強力な可能性を持つ。
  論文  参考訳（メタデータ） (2024-02-26T17:11:11Z)
• Perceptual Image Compression with Cooperative Cross-Modal Side Information [53.356714177243745]
  本稿では,テキスト誘導側情報を用いた新しい深層画像圧縮手法を提案する。 具体的には,CLIPテキストエンコーダとSemantic-Spatial Awareブロックを用いてテキストと画像の特徴を融合する。
  論文  参考訳（メタデータ） (2023-11-23T08:31:11Z)
• A Unified Image Preprocessing Framework For Image Compression [5.813935823171752]
  そこで我々は,既存のコーデックの性能向上を図るために,Kuchenと呼ばれる統合された画像圧縮前処理フレームワークを提案する。 このフレームワークは、ハイブリッドデータラベリングシステムと、パーソナライズされた前処理をシミュレートする学習ベースのバックボーンで構成されている。 その結果,我々の統合前処理フレームワークによって最適化された現代のコーデックは,常に最先端圧縮の効率を向上することを示した。
  論文  参考訳（メタデータ） (2022-08-15T10:41:00Z)
• Analysis of the Effect of Low-Overhead Lossy Image Compression on the Performance of Visual Crowd Counting for Smart City Applications [78.55896581882595]
  画像圧縮技術は画像の品質を低下させ、精度を低下させる。 本稿では,低オーバヘッド損失画像圧縮法の適用が視覚的群集カウントの精度に与える影響を解析する。
  論文  参考訳（メタデータ） (2022-07-20T19:20:03Z)
• Variable-Rate Deep Image Compression through Spatially-Adaptive Feature Transform [58.60004238261117]
  空間特徴変換(SFT arXiv:1804.02815)に基づく多目的深部画像圧縮ネットワークを提案する。 本モデルは,任意の画素単位の品質マップによって制御される単一モデルを用いて,幅広い圧縮速度をカバーしている。 提案するフレームワークにより,様々なタスクに対してタスク対応の画像圧縮を行うことができる。
  論文  参考訳（メタデータ） (2021-08-21T17:30:06Z)
• How to Exploit the Transferability of Learned Image Compression to Conventional Codecs [25.622863999901874]
  本稿では,学習した画像の符号化をサロゲートとして利用して,画像の符号化を最適化する方法を示す。 提案手法は,MS-SSIM歪みをデコードオーバーヘッドを伴わずに20%以上の速度改善で補正するために,従来の画像を再構成することができる。
  論文  参考訳（メタデータ） (2020-12-03T12:34:51Z)
• Lossy Image Compression with Normalizing Flows [19.817005399746467]
  ディープ・イメージ・圧縮のための最先端のソリューションは、通常、入力を低次元の潜在空間にマッピングするオートエンコーダを用いる。 対照的に、画像圧縮における従来のアプローチは、より幅広い品質レベルを実現する。
  論文  参考訳（メタデータ） (2020-08-24T14:46:23Z)
• What's in the Image? Explorable Decoding of Compressed Images [45.22726784749359]
  ユビキタスJPEG標準のための新しいデコーダアーキテクチャを開発し、圧縮された画像の集合をトラバースする。 我々は、グラフィカル、医学的、法医学的なユースケースに関する我々のフレームワークを例示し、その幅広い潜在的な応用を実証する。
  論文  参考訳（メタデータ） (2020-06-16T17:15:44Z)

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。