論文の概要: Hybrid Quantum Image Preparation via JPEG Compression
- arxiv url: http://arxiv.org/abs/2602.06201v1
- Date: Thu, 05 Feb 2026 21:23:58 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-02-09 22:18:26.112951
- Title: Hybrid Quantum Image Preparation via JPEG Compression
- Title（参考訳）: JPEG圧縮によるハイブリッド量子画像作成
- Authors: Emad Rezaei Fard Boosari,
- Abstract要約: 量子ピクセル情報符号化(QPIE)における画像ローディングの量子実装コストを削減するハイブリッド古典量子画像作成方式を提案する。
提案手法は、JPEG支援QPIE (JQPIE) と呼ばれ、量子化されたJPEG係数のみを量子レジスタにロードする。
- 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: We present a hybrid classical-quantum image preparation scheme that reduces the quantum implementation cost of image loading for quantum pixel information encoding (QPIE). The proposed method, termed JPEG-assisted QPIE (JQPIE), loads only the quantized JPEG coefficients into a quantum register, leading to substantial reductions in \texttt{CX} gate count and circuit depth while preserving reconstruction quality comparable to classical JPEG compression. We develop two variants of the hybrid strategy. The first realizes the complete JPEG decompression pipeline coherently by implementing inverse quantization via a block-encoded unitary operator. The second, referred to as \emph{quantization-free JQPIE} (QF-JQPIE), omits quantization altogether, thereby avoiding the probabilistic nature of block-encoded quantization. Numerical simulations on standard benchmark image datasets (USC--SIPI and Kodak) demonstrate that both variants achieve significant constant-factor reductions in \texttt{CX} gate count and circuit depth relative to direct QPIE loading, while maintaining high reconstruction quality as measured by PSNR and SSIM.
- Abstract（参考訳）: 本稿では,量子ピクセル情報符号化(QPIE)における画像ローディングの量子実装コストを削減するハイブリッドな古典量子画像作成手法を提案する。
提案手法は、JPEG支援QPIE (JQPIE) と呼ばれ、量子化JPEG係数のみを量子レジスタにロードし、従来のJPEG圧縮に匹敵する再構成品質を維持しつつ、 \texttt{CX} ゲート数と回路深さを大幅に削減する。
ハイブリッド戦略の2つのバリエーションを開発する。
1つ目は、ブロック符号化されたユニタリ演算子を介して逆量子化を実装することにより、JPEGの完全圧縮パイプラインをコヒーレントに実現する。
2つ目は 'emph{quantization-free JQPIE} (QF-JQPIE) と呼ばれ、量子化を完全に省略し、ブロック符号化量子化の確率的性質を回避する。
標準ベンチマーク画像データセット(USC--SIPIとKodak)の数値シミュレーションにより,PSNRとSSIMが測定した高い再構成品質を維持しつつ,両変種が直接QPIE負荷に対する回路深さとtexttt{CX}ゲート数において,有意な定値化を実現していることが示された。
関連論文リスト
- Novel quantum circuit for image compression utilizing modified Toffoli gate and quantized transformed coefficient alongside a novel reset gate [8.402306681413087]
量子化変換係数を用いたトフォリゲート状態接続を導入する。
この革新的な戦略は、状態接続情報から状態接続を変更することで、回路の複雑さを簡素化する。
既存の技術よりも44.1%少ないゲートを必要とすることが判明した。
論文 参考訳（メタデータ） (2025-02-25T03:41:28Z) - A Fast Quantum Image Compression Algorithm based on Taylor Expansion [0.0]
本研究では,パラメータ化量子回路内での量子画像圧縮アルゴリズムを改良する。
本手法では,画像データをユニタリ演算子パラメータとして符号化し,暗号処理のエミュレートに量子コンパイルアルゴリズムを適用した。
Lenna や Cameraman などのベンチマーク画像による実験結果から,本手法は最大 86% の反復回数削減を実現していることがわかった。
論文 参考訳（メタデータ） (2025-02-15T06:03:49Z) - PALQA: A Novel Parameterized Position-Aware Lossy Quantum Autoencoder using LSB Control Qubit for Efficient Image Compression [7.340017786387768]
本研究では、画像圧縮に最小のビット制御量子ビットを利用するPALQA(Parized position-aware Losy quantum autoencoder)回路を導入する。
PALQA回路は、必要なゲート数とPSNRメトリクスの点で優れた性能を示す。
論文 参考訳（メタデータ） (2025-02-04T10:08:02Z) - 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) - 2DQuant: Low-bit Post-Training Quantization for Image Super-Resolution [83.09117439860607]
低ビット量子化は、エッジ展開のための画像超解像(SR)モデルを圧縮するために広く普及している。
低ビット量子化は、フル精度(FP)と比較してSRモデルの精度を低下させることが知られている。
本稿では2DQuantという画像超解像のための2段階の低ビット後量子化(PTQ)法を提案する。
論文 参考訳（メタデータ） (2024-06-10T06:06:11Z) - Neural Image Compression with Quantization Rectifier [7.097091519502871]
我々は,画像特徴相関を利用した画像圧縮のための新しい量子化法(QR)を開発し,量子化の影響を緩和する。
提案手法は,量子化された特徴量から未知の特徴量を予測するニューラルネットワークアーキテクチャを設計する。
評価では、QRを最先端のニューラルイメージコーデックに統合し、広く使用されているKodakベンチマークの強化モデルとベースラインを比較する。
論文 参考訳（メタデータ） (2024-03-25T22:26:09Z) - JPEG Quantized Coefficient Recovery via DCT Domain Spatial-Frequential Transformer [45.134271969594614]
JPEG量子化係数回復のためのDCT領域空間周波数変換器(DCTransformer)を提案する。
提案するDCTransformerは,現在最先端のJPEGアーティファクト除去技術より優れている。
論文 参考訳（メタデータ） (2023-08-17T17:32:56Z) - 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) - Quantization Guided JPEG Artifact Correction [69.04777875711646]
我々はJPEGファイル量子化行列を用いたアーティファクト修正のための新しいアーキテクチャを開発した。
これにより、特定の品質設定のためにトレーニングされたモデルに対して、単一のモデルで最先端のパフォーマンスを達成できます。
論文 参考訳（メタデータ） (2020-04-17T00:10:08Z)
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。