論文の概要: Quantum walk inspired JPEG compression of images
- arxiv url: http://arxiv.org/abs/2602.12306v1
- Date: Thu, 12 Feb 2026 05:40:33 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-02-16 23:37:53.703254
- Title: Quantum walk inspired JPEG compression of images
- Title（参考訳）: 量子ウォークによる画像のJPEG圧縮
- Authors: Abhishek Verma, Sahil Tomar, Sandeep Kumar,
- Abstract要約: 提案手法はMNIST, CIFAR10, ImageNetサブセットを用いて,Pak Signal to Noise Ratio (PSNR), Structure similarity Index (SSIM), Bits Per Pixel (BPP), error Heatmap visual analysis を用いて評価した。
実験の結果,3～6dBPSNR,エッジ,輪郭,輝度遷移の保存性が向上し,デコーダの互換性が変化しないことがわかった。
- 参考スコア（独自算出の注目度）: 2.928053186719895
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: This work proposes a quantum inspired adaptive quantization framework that enhances the classical JPEG compression by introducing a learned, optimized Qtable derived using a Quantum Walk Inspired Optimization (QWIO) search strategy. The optimizer searches a continuous parameter space of frequency band scaling factors under a unified rate distortion objective that jointly considers reconstruction fidelity and compression efficiency. The proposed framework is evaluated on MNIST, CIFAR10, and ImageNet subsets, using Peak Signal to Noise Ratio (PSNR), Structural Similarity Index (SSIM), Bits Per Pixel (BPP), and error heatmap visual analysis as evaluation metrics. Experimental results show average gains ranging from 3 to 6 dB PSNR, along with better structural preservation of edges, contours, and luminance transitions, without modifying decoder compatibility. The structure remains JPEG compliant and can be implemented using accessible scientific packages making it ideal for deployment and practical research use.
- Abstract（参考訳）: 本研究では、量子ウォークインスパイアされた最適化(QWIO)探索戦略を用いて、学習された最適化されたQtableを導入することにより、古典的なJPEG圧縮を向上させる量子インスパイア型量子化フレームワークを提案する。
周波数帯域スケーリング係数の連続パラメータ空間を、再構成忠実度と圧縮効率を協調的に考慮した統一速度歪み目標の下で探索する。
提案手法はMNIST, CIFAR10, ImageNetサブセットを用いて,Pak Signal to Noise Ratio (PSNR), Structure similarity Index (SSIM), Bits Per Pixel (BPP), error Heatmap visual analysis を用いて評価した。
実験の結果,3～6dBPSNR,エッジ,輪郭,輝度遷移の保存性が向上し,デコーダの互換性が変化しないことがわかった。
この構造はJPEGに準拠しており、利用可能な科学パッケージを使って実装することができるため、デプロイや実践的な研究に最適である。
関連論文リスト
- Pathology Image Compression with Pre-trained Autoencoders [52.208181380986524]
デジタル病理学における全スライド画像は、記憶、伝達、計算効率の面で大きな課題をもたらす。
JPEGのような標準的な圧縮手法はファイルサイズを小さくするが、下流のタスクに不可欠な微細な表現型の詳細を保存できない。
本研究では,遅延拡散モデル用に設計されたオートエンコーダ(AE)を,病理画像の効率的な学習圧縮フレームワークとして再利用する。
論文 参考訳（メタデータ） (2025-03-14T17:01:17Z) - Beyond Learned Metadata-based Raw Image Reconstruction [86.1667769209103]
生画像は、線形性や微細な量子化レベルなど、sRGB画像に対して明確な利点がある。
ストレージの要求が大きいため、一般ユーザからは広く採用されていない。
本稿では,メタデータとして,潜在空間におけるコンパクトな表現を学習する新しいフレームワークを提案する。
論文 参考訳（メタデータ） (2023-06-21T06:59:07Z) - 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) - High-Perceptual Quality JPEG Decoding via Posterior Sampling [13.238373528922194]
JPEGアーチファクト修正のための異なるパラダイムを提案する。
我々は、圧縮された入力と整合しながら、シャープで詳細で視覚的に再構成された画像を得ることを目指している。
我々のソリューションは、完全な整合性のある入力に対して、多種多様な可塑性かつ高速な再構成を提供する。
論文 参考訳（メタデータ） (2022-11-21T19:47:59Z) - Estimating the Resize Parameter in End-to-end Learned Image Compression [50.20567320015102]
本稿では,最近の画像圧縮モデルの速度歪みトレードオフをさらに改善する検索自由化フレームワークについて述べる。
提案手法により,Bjontegaard-Deltaレート(BD-rate)を最大10%向上させることができる。
論文 参考訳（メタデータ） (2022-04-26T01:35:02Z) - 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)
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。