論文の概要: CI-ICM: Channel Importance-driven Learned Image Coding for Machines

• arxiv url: http://arxiv.org/abs/2604.05347v1
• Date: Tue, 07 Apr 2026 02:36:47 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-08 17:42:09.581872
• Title: CI-ICM: Channel Importance-driven Learned Image Coding for Machines
• Title（参考訳）: CI-ICM: 機械におけるチャネル重要度駆動型学習画像符号化
• Authors: Yun Zhang, Junle Liu, Huan Zhang, Zhaoqing Pan, Gangyi Jiang, Weisi Lin,
• Abstract要約: 本稿では,Channel Importance-driven learned Image Coding for Machines (CI-ICM)を提案する。 提案したCI-ICMは、BD-mAP@50:95で16.25%のオブジェクト検出と13.72%のインスタンスセグメンテーションを実現している。
• 参考スコア（独自算出の注目度）: 56.1188469769241
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Traditional human vision-centric image compression methods are suboptimal for machine vision centric compression due to different visual properties and feature characteristics. To address this problem, we propose a Channel Importance-driven learned Image Coding for Machines (CI-ICM), aiming to maximize the performance of machine vision tasks at a given bitrate constraint. First, we propose a Channel Importance Generation (CIG) module to quantify channel importance in machine vision and develop a channel order loss to rank channels in descending order. Second, to properly allocate bitrate among feature channels, we propose a Feature Channel Grouping and Scaling (FCGS) module that non-uniformly groups the feature channels based on their importance and adjusts the dynamic range of each group. Based on FCGS, we further propose a Channel Importance-based Context (CI-CTX) module to allocate bits among feature groups and to preserve higher fidelity in critical channels. Third, to adapt to multiple machine tasks, we propose a Task-Specific Channel Adaptation (TSCA) module to adaptively enhance features for multiple downstream machine tasks. Experimental results on the COCO2017 dataset show that the proposed CI-ICM achieves BD-mAP@50:95 gains of 16.25$\%$ in object detection and 13.72$\%$ in instance segmentation over the established baseline codec. Ablation studies validate the effectiveness of each contribution, and computation complexity analysis reveals the practicability of the CI-ICM. This work establishes feature channel optimization for machine vision-centric compression, bridging the gap between image coding and machine perception.
• Abstract（参考訳）: 従来の人間の視覚中心の画像圧縮法は、視覚特性や特徴特性の異なるマシンビジョン中心の圧縮に最適である。 この問題に対処するため,Channel Importance-driven learned Image Coding for Machines (CI-ICM)を提案する。 まず,CIG(Channel Importance Generation)モジュールを提案する。 第2に,特徴チャネル間でビットレートを適切に割り当てるために,その重要度に基づいて特徴チャネルを一様にグループ化し,各グループの動的範囲を調整する特徴チャネルグループ・アンド・スケーリング(FCGS)モジュールを提案する。 FCGSに基づいて,特徴グループ間でビットを割り当て,重要なチャネルの忠実度を高めるために,Channel Importance-based Context (CI-CTX) モジュールを提案する。 第三に、複数の機械タスクに適応するために、複数の下流機械タスクの機能を適応的に拡張するタスク特化チャネル適応(TSCA)モジュールを提案する。 COCO2017データセットの実験結果は、提案されたCI-ICMがBD-mAP@50:95のオブジェクト検出で16.25$\%$、確立されたベースラインコーデック上でインスタンスセグメンテーションで13.72$\%$を達成したことを示している。 アブレーション研究は各コントリビューションの有効性を検証し、計算複雑性解析によりCI-ICMの実用性を明らかにする。 この研究は、画像符号化と機械知覚のギャップを埋めて、マシンビジョン中心の圧縮のための機能チャネル最適化を確立する。

関連論文リスト

• ChA-MAEViT: Unifying Channel-Aware Masked Autoencoders and Multi-Channel Vision Transformers for Improved Cross-Channel Learning [27.124745103676734]
  ChA-MAEViTは、マルチチャネルイメージングチャネル間の特徴学習を強化するMAEベースの手法である。 我々はChA-MAEViTが最先端のMCI-ViTを3.0-21.5%上回っていることを示す。
  論文  参考訳（メタデータ） (2025-03-25T03:45:59Z)
• Semi-supervised Semantic Segmentation with Multi-Constraint Consistency Learning [81.02648336552421]
  本稿では,エンコーダとデコーダの段階的拡張を容易にするためのマルチ制約一貫性学習手法を提案する。 自己適応型特徴マスキングとノイズ注入は、デコーダの堅牢な学習のための特徴を摂動させるために、インスタンス固有の方法で設計されている。 Pascal VOC2012およびCityscapesデータセットの実験結果から,提案したMCCLが新たな最先端性能を実現することを示す。
  論文  参考訳（メタデータ） (2025-03-23T03:21:33Z)
• CM-UNet: Hybrid CNN-Mamba UNet for Remote Sensing Image Semantic Segmentation [19.496409240783116]
  ローカル画像の特徴を抽出するCNNベースのエンコーダと,グローバル情報を集約・統合するMambaベースのデコーダからなるCM-UNetを提案する。 CSMambaブロックとMSAAモジュールを統合することで、CM-UNetは大規模リモートセンシング画像の長距離依存性とマルチスケールグローバルコンテキスト情報を効果的にキャプチャする。
  論文  参考訳（メタデータ） (2024-05-17T04:20:12Z)
• Joint Channel Estimation and Feedback with Masked Token Transformers in Massive MIMO Systems [74.52117784544758]
  本稿では,CSI行列内の固有周波数領域相関を明らかにするエンコーダデコーダに基づくネットワークを提案する。 エンコーダ・デコーダネットワーク全体がチャネル圧縮に使用される。 提案手法は,共同作業における現状のチャネル推定およびフィードバック技術より優れる。
  論文  参考訳（メタデータ） (2023-06-08T06:15:17Z)
• Efficient Multi-Scale Attention Module with Cross-Spatial Learning [4.046170185945849]
  効率的なマルチスケールアテンション(EMA)モジュールを提案する。 チャネルごとの情報保持と計算オーバーヘッドの低減に重点を置いている。 我々は画像分類と物体検出タスクについて広範囲にわたるアブレーション研究と実験を行った。
  論文  参考訳（メタデータ） (2023-05-23T00:35:47Z)
• Video Coding for Machine: Compact Visual Representation Compression for Intelligent Collaborative Analytics [101.35754364753409]
  Video Coding for Machines (VCM) は、ビデオ/画像圧縮と特徴圧縮をある程度別々の研究トラックにブリッジすることを約束している。 本稿では,既存の学術・産業活動に基づくVCM方法論と哲学を要約する。
  論文  参考訳（メタデータ） (2021-10-18T12:42:13Z)
• Channel-Level Variable Quantization Network for Deep Image Compression [50.3174629451739]
  チャネルレベルの可変量子化ネットワークを提案し、重要なチャネルに対してより多くの畳み込みを動的に割り当て、無視可能なチャネルに対して退避する。 提案手法は優れた性能を実現し,より優れた視覚的再構成を実現する。
  論文  参考訳（メタデータ） (2020-07-15T07:20:39Z)
• An Emerging Coding Paradigm VCM: A Scalable Coding Approach Beyond Feature and Signal [99.49099501559652]
  Video Coding for Machine (VCM)は、視覚的特徴圧縮と古典的なビデオ符号化のギャップを埋めることを目的としている。 我々は,学習した動きパターンのガイダンスを用いて,映像フレームを再構成するために条件付き深層生成ネットワークを用いる。 予測モデルを介してスパース動作パターンを抽出することを学ぶことにより、特徴表現をエレガントに活用し、符号化されたフレームの外観を生成する。
  論文  参考訳（メタデータ） (2020-01-09T14:18:18Z)

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。