論文の概要: Frequent Pattern Mining approach to Image Compression

• arxiv url: http://arxiv.org/abs/2602.00100v1
• Date: Sat, 24 Jan 2026 20:32:16 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-03 19:28:32.930026
• Title: Frequent Pattern Mining approach to Image Compression
• Title（参考訳）: 画像圧縮における周波数パターンマイニング手法
• Authors: Avinash Kadimisetty, C. Oswald, B. Sivalselvan,
• Abstract要約: 周波数パターンマイニング(FPM)に基づく画像圧縮に焦点をあてる。 提案する圧縮機構は,画像中の類似画素をクラスタリングし,画像圧縮においてクラスタ識別子を使用する。 画像中の冗長データは、k-means ClusteringとClosed Frequent Sequence Miningの混合により、従来のJPEGのDCTフェーズを置き換えることにより、効果的に処理される。
• 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: The paper focuses on Image Compression, explaining efficient approaches based on Frequent Pattern Mining(FPM). The proposed compression mechanism is based on clustering similar pixels in the image and thus using cluster identifiers in image compression. Redundant data in the image is effectively handled by replacing the DCT phase of conventional JPEG through a mixture of k-means Clustering and Closed Frequent Sequence Mining. To optimize the cardinality of pattern(s) in encoding, efficient pruning techniques have been used through the refinement of Conventional Generalized Sequential Pattern Mining(GSP) algorithm. We have proposed a mechanism for finding the frequency of a sequence which will yield significant reduction in the code table size. The algorithm is tested by compressing benchmark datasets yielding an improvement of 45% in compression ratios, often outperforming the existing alternatives. PSNR and SSIM, which are the image quality metrics, have been tested which show a negligible loss in visual quality.
• Abstract（参考訳）: 本稿では、周波数パターンマイニング(FPM)に基づく効率的なアプローチを説明する画像圧縮に焦点を当てた。 提案する圧縮機構は,画像中の類似画素をクラスタリングし,画像圧縮においてクラスタ識別子を使用する。 画像中の冗長データは、k-means ClusteringとClosed Frequent Sequence Miningの混合により、従来のJPEGのDCTフェーズを置き換えることにより、効果的に処理される。 符号化におけるパターンの濃度を最適化するために、従来の一般化逐次パターンマイニング(GSP)アルゴリズムの洗練により、効率的なプルーニング技術が用いられている。 我々は,コードテーブルサイズを大幅に削減するシーケンスの周波数を求める機構を提案している。 このアルゴリズムは、ベンチマークデータセットを圧縮することで、圧縮比が45%向上し、しばしば既存の代替よりも優れている。 画像品質の指標であるPSNRとSSIMは、視覚的品質の無視的な損失を示す。

関連論文リスト

• Lossy Image Compression -- A Frequent Sequence Mining perspective employing efficient Clustering [0.5833117322405447]
  この研究は、Lossy Image Compressionの領域における周波数シーケンスマイニングの範囲について考察する。 JPEGのDCTフェーズは、冗長データを効率的に扱うために、クローズド・頻繁なシーケンスマイニングとk平均クラスタリングの組み合わせに置き換えられる。
  論文  参考訳（メタデータ） (2026-01-24T20:44:55Z)
• Image Compression Using Singular Value Decomposition [0.0]
  本研究では,画像圧縮における特異値分解と低ランク行列近似の利用について検討する。 その結果、低ランク近似は、しばしばオリジナルと視覚的に類似した画像を生成することがわかった。 低許容誤差レベルでは、Singular Value Decompositionによって生成された圧縮された表現は、元の画像のサイズを超えることができる。
  論文  参考訳（メタデータ） (2025-12-18T06:18:37Z)
• FD-LSCIC: Frequency Decomposition-based Learned Screen Content Image Compression [67.34466255300339]
  本稿では、SC画像圧縮における3つの重要な課題として、コンパクトな潜時特徴の学習、量子化ステップのサイズの適応、大規模なSCデータセットの欠如について述べる。 適応量子化モジュールを導入し、各周波数成分のスケールした均一ノイズを学習し、量子化の粒度を柔軟に制御する。 SDU-SCICD10Kは,基本SC画像,コンピュータレンダリング画像,およびPCおよびモバイルプラットフォームからのNSとSCの混合画像にまたがる1万以上の画像を含む,大規模なSC画像圧縮データセットを構築した。
  論文  参考訳（メタデータ） (2025-02-21T03:15:16Z)
• Quantization-aware Matrix Factorization for Low Bit Rate Image Compression [8.009813033356478]
  画像圧縮は効率的な伝送と保存に不可欠である。 本稿では、量子化対応行列分解法(QMF)を導入し、新しい損失画像圧縮法を提案する。 我々の手法は、JPEGを低ビットレートで0.25ビット/ピクセル(bpp)以下で連続的に上回り、高いビットレートで比較する。
  論文  参考訳（メタデータ） (2024-08-22T19:08:08Z)
• Learned Image Compression for HE-stained Histopathological Images via Stain Deconvolution [33.69980388844034]
  本稿では,一般的なJPEGアルゴリズムがさらなる圧縮に適していないことを示す。 Stain Quantized Latent Compression, a novel DL based histopathology data compression approach。 提案手法はJPEGのような従来の手法と比較して,下流タスクの分類において優れた性能を示すことを示す。
  論文  参考訳（メタデータ） (2024-06-18T13:47:17Z)
• Transferable Learned Image Compression-Resistant Adversarial Perturbations [66.46470251521947]
  敵対的攻撃は容易に画像分類システムを破壊し、DNNベースの認識タスクの脆弱性を明らかにする。 我々は、学習した画像圧縮機を前処理モジュールとして利用する画像分類モデルをターゲットにした新しいパイプラインを提案する。
  論文  参考訳（メタデータ） (2024-01-06T03:03:28Z)
• 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)
• 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)
• Modeling Image Quantization Tradeoffs for Optimal Compression [0.0]
  ロスシー圧縮アルゴリズムは、圧縮率を上げるために高周波データを定量化することでトレードオフを狙う。 本稿では,Deep Learningとminimax損失関数を用いた量子化テーブルの最適化手法を提案する。
  論文  参考訳（メタデータ） (2021-12-14T07:35:22Z)
• 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。