論文の概要: Joint Degradation-Aware Arbitrary-Scale Super-Resolution for Variable-Rate Extreme Image Compression

• arxiv url: http://arxiv.org/abs/2603.17408v1
• Date: Wed, 18 Mar 2026 06:35:53 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-19 18:32:57.547335
• Title: Joint Degradation-Aware Arbitrary-Scale Super-Resolution for Variable-Rate Extreme Image Compression
• Title（参考訳）: 可変レート画像圧縮のための共同劣化を考慮した任意スケール超解像
• Authors: Xinning Chai, Zhengxue Cheng, Xin Li, Rong Xie, Li Song,
• Abstract要約: ASSR-EICは可変レートの極端な画像圧縮をサポートする新しい画像圧縮フレームワークである。 我々は、再構成を導く前に圧縮と再スケーリングを意識した拡散を利用して、高い忠実性と高いリアリズムの回復をもたらす。
• 参考スコア（独自算出の注目度）: 28.21479870337623
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Recent diffusion-based extreme image compression methods have demonstrated remarkable performance at ultra-low bitrates. However, most approaches require training separate diffusion models for each target bitrate, resulting in substantial computational overhead and hindering practical deployment. Meanwhile, recent studies have shown that joint super-resolution can serve as an effective approach for enhancing low-bitrate reconstruction. However, when moving toward ultra-low bitrate regimes, these methods struggle due to severe information loss, and their reliance on fixed super-resolution scales prevents flexible adaptation across diverse bitrates. To address these limitations, we propose ASSR-EIC, a novel image compression framework that leverages arbitrary-scale super-resolution (ASSR) to support variable-rate extreme image compression (EIC). An arbitrary-scale downsampling module is introduced at the encoder side to provide controllable rate reduction, while a diffusion-based, joint degradation-aware ASSR decoder enables rate-adaptive reconstruction within a single model. We exploit the compression- and rescaling-aware diffusion prior to guide the reconstruction, yielding high fidelity and high realism restoration across diverse compression and rescaling settings. Specifically, we design a global compression-rescaling adaptor that offers holistic guidance for rate adaptation, and a local compression-rescaling modulator that dynamically balances generative and fidelity-oriented behaviors to achieve fine-grained, bitrate-adaptive detail restoration. To further enhance reconstruction quality, we introduce a dual semantic-enhanced design. Extensive experiments demonstrate that ASSR-EIC delivers state-of-the-art performance in extreme image compression while simultaneously supporting flexible bitrate control and adaptive rate-dependent reconstruction.
• Abstract（参考訳）: 近年の拡散型極端画像圧縮法は, 超低ビットレートで顕著な性能を示した。 しかし、ほとんどのアプローチでは、ターゲットビットレートごとに別々の拡散モデルを訓練する必要があるため、計算オーバーヘッドが大きくなり、実際の展開が妨げられる。 一方、近年の研究では、関節の超解像が低ビットレート再構成の効果的な方法として役立つことが示されている。 しかし、極低ビットレート体制へ進む場合、これらの手法は情報損失の重大さと、固定された超解像スケールへの依存により、様々なビットレート間の柔軟な適応を妨げている。 これらの制約に対処するために,任意スケール超解像(ASSR)を利用して可変レート極端画像圧縮(EIC)をサポートする新しい画像圧縮フレームワークASSR-EICを提案する。 エンコーダ側で任意のスケールのダウンサンプリングモジュールを導入し、制御可能なレート低減を実現する一方、拡散ベースで関節劣化を意識したASSRデコーダは単一のモデル内でレート適応的な再構築を可能にする。 我々は、再構成を導く前に圧縮と再スケーリングを意識した拡散を利用して、様々な圧縮と再スケーリング設定にまたがって高い忠実性と高いリアリズムの回復をもたらす。 具体的には、レート適応のための全体的ガイダンスを提供するグローバル圧縮再スケーリング適応器と、局所圧縮再スケーリング変調器を設計し、生成的および忠実性指向の挙動を動的にバランスさせて、きめ細かなビットレート適応的詳細復元を実現する。 再構成品質をさらに向上するため,2つのセマンティック・エンハンスドデザインを導入する。 広汎な実験により、ASSR-EICは、柔軟なビットレート制御と適応レート依存再構成を同時にサポートしながら、極端な画像圧縮において最先端のパフォーマンスを提供することが示された。

関連論文リスト

• Rethinking Autoregressive Models for Lossless Image Compression via Hierarchical Parallelism and Progressive Adaptation [75.58269386927076]
  自己回帰(AR)モデルは、しばしば計算コストの禁止のために非現実的に除外される。 この研究は、階層的並列性とプログレッシブ適応に基づくフレームワークを導入して、このパラダイムを再考する。 各種データセット(自然,衛星,医療)の実験により,本手法が新たな最先端圧縮を実現することを確認した。
  論文  参考訳（メタデータ） (2025-11-14T06:27:58Z)
• COLI: A Hierarchical Efficient Compressor for Large Images [18.697445453003983]
  Inlicit Neural Representations (INR)は、空間座標から個々の画像のピクセル強度への連続的なマッピングを学習することで、有望な代替手段を提供する。 我々は、NeRV(Neural Representations for Videos)を利用した新しいフレームワークであるCOLI(Compressor for Large Images)を紹介する。 また,COLIは,最大4倍のNRVトレーニングをしながら,PSNRとSSIMの競合や優れた測定値を,ピクセル当たりのビット数(bpp)で連続的に達成することを示した。
  論文  参考訳（メタデータ） (2025-07-15T16:07:07Z)
• 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)
• Multi-Scale Invertible Neural Network for Wide-Range Variable-Rate Learned Image Compression [90.59962443790593]
  本稿では,制限を克服するために,可逆変換に基づく可変レート画像圧縮モデルを提案する。 具体的には、入力画像をマルチスケールの潜在表現にマッピングする、軽量なマルチスケール非可逆ニューラルネットワークを設計する。 実験結果から,提案手法は既存の可変レート法と比較して最先端性能を実現することが示された。
  論文  参考訳（メタデータ） (2025-03-27T09:08:39Z)
• Once-for-All: Controllable Generative Image Compression with Dynamic Granularity Adaptation [52.82508784748278]
  本稿では,制御生成画像圧縮フレームワークである制御-GICを提案する。 制御-GICは、高忠実度と一般性圧縮を確保しつつ、広帯域での微粒化適応を可能にする。 実験により,制御-GICは高い柔軟かつ制御可能な適応を可能にし,その結果が最近の最先端手法よりも優れた性能を示した。
  論文  参考訳（メタデータ） (2024-06-02T14:22:09Z)
• Dual-layer Image Compression via Adaptive Downsampling and Spatially Varying Upconversion [24.812267280543693]
  適応型ダウンサンプリング型2層画像圧縮システム(ADDL)を提案する。 ADDL圧縮システムでは、学習したコンテンツ適応型ダウンサンプリングカーネルによって画像の解像度が低下し、圧縮されてコード化されたベース層を形成する。 減圧のために、ベース層はデコードされ、ディープサンプリングニューラルネットワークを使用して元の解像度に変換される。
  論文  参考訳（メタデータ） (2023-02-13T04:36:13Z)
• Improving Multi-generation Robustness of Learned Image Compression [16.86614420872084]
  ネットワーク構造を変更せずに50回再符号化しても,BPGの最初の圧縮に匹敵する性能が得られることを示す。
  論文  参考訳（メタデータ） (2022-10-31T03:26:11Z)
• Learned Image Compression with Generalized Octave Convolution and Cross-Resolution Parameter Estimation [5.238765582868391]
  本稿では,オクターブの畳み込みを利用して,遅延表現を高分解能 (HR) と低分解能 (LR) に分解する多分解能画像圧縮フレームワークを提案する。 実験結果から,本手法は,最先端の学習画像圧縮法と比較して,復号時間を約73.35 %,93.44 %削減できることがわかった。
  論文  参考訳（メタデータ） (2022-09-07T08:21:52Z)
• Learned Video Compression via Heterogeneous Deformable Compensation Network [78.72508633457392]
  不安定な圧縮性能の問題に対処するために,不均一変形補償戦略(HDCVC)を用いた学習ビデオ圧縮フレームワークを提案する。 より具体的には、提案アルゴリズムは隣接する2つのフレームから特徴を抽出し、コンテンツ近傍の不均一な変形(HetDeform)カーネルオフセットを推定する。 実験結果から,HDCVCは最近の最先端の学習ビデオ圧縮手法よりも優れた性能を示した。
  論文  参考訳（メタデータ） (2022-07-11T02:31:31Z)

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。