論文の概要: What Matters in Practical Learned Image Compression

• arxiv url: http://arxiv.org/abs/2605.05148v1
• Date: Wed, 06 May 2026 17:17:51 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-07 18:41:07.957959
• Title: What Matters in Practical Learned Image Compression
• Title（参考訳）: 画像圧縮の実践と課題
• Abstract要約: 実践的な学習画像の設計を規定する重要なモデリング選択について検討する。 次に、数百万のバックボーン構成に対してパフォーマンスを意識したニューラルアーキテクチャ検索を行います。 スピードと知覚品質の新たなトレードオフを構築します。
• 参考スコア（独自算出の注目度）: 3.6892365510577037
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: One of the major differentiators unlocked by learned codecs relative to their hard-coded traditional counterparts is their ability to be optimized directly to appeal to the human visual system. Despite this potential, a perceptual yet practical image codec is yet to be proposed. In this work, we aim to close this gap. We conduct a comprehensive study of the key modeling choices that govern the design of a practical learned image codec, jointly optimized for perceptual quality and runtime -- including within the ablations several novel techniques. We then perform performance-aware neural architecture search over millions of backbone configurations to identify models that achieve the target on-device runtime while maximizing compression performance as captured by perceptual metrics. We combine the various optimizations to construct a new codec that achieves a significantly improved tradeoff between speed and perceptual quality. Based on rigorous subjective user studies, it provides 2.3-3x bitrate savings against AV1, AV2, VVC, ECM and JPEG-AI, and 20-40% bitrate savings against the best learned codec alternatives. At the same time, on an iPhone 17 Pro Max, it encodes 12MP images as fast as 230ms, and decodes them in 150ms -- faster than most top ML-based codecs run on a V100 GPU.
• Abstract（参考訳）: ハードコードされた従来のコーデックと比較して学習したコーデックによって解錠された主要な差別化要因の1つは、人間の視覚システムにアピールするために直接最適化できる能力である。 この可能性にもかかわらず、知覚的だが実用的な画像コーデックはまだ提案されていない。 この作業では、このギャップを埋めることを目指しています。 我々は、実用的な学習画像コーデックの設計を規定する重要なモデリング選択を包括的に研究し、知覚品質と実行時間に共同で最適化する。 次に、数百万のバックボーン構成に対してパフォーマンスを意識したニューラルアーキテクチャを探索し、デバイス上の実行時にターゲットとなるモデルを特定しながら、知覚的メトリクスによってキャプチャされた圧縮性能を最大化します。 速度と知覚品質のトレードオフを著しく改善した新しいコーデックを構築するために、様々な最適化を組み合わせる。 厳格な主観的ユーザスタディに基づいて、AV1、AV2、VVC、ECM、JPEG-AIに対して2.3～3倍のビットレートセーブを提供し、最高の学習コーデック代替品に対して20～40%のビットレートセーブを提供する。 同時に、iPhone 17 Pro Maxでは、12MPイメージを230msでエンコードし、150msでデコードする。

関連論文リスト

• PIC: Revisiting INR for Image Coding with Fast Encoding and Sub-Millisecond Decoding [74.2282307661978]
  Inlicit Neural representation (INR)は、近年、新しいビュー合成と画像/ビデオ符号化において顕著な進歩を遂げている。 本研究では,フィードフォワードINR画像符号化アーキテクチャであるPractical INR Image Codec (PIC)を提案する。
  論文  参考訳（メタデータ） (2026-09-08T16:52:00Z)
• Accelerating Learned Video Compression via Low-Resolution Representation Learning [18.399027308582596]
  低解像度表現学習に焦点を当てた学習ビデオ圧縮のための効率最適化フレームワークを提案する。 提案手法は,H.266参照ソフトウェアVTMの低遅延P構成と同等の性能を実現する。
  論文  参考訳（メタデータ） (2024-07-23T12:02:57Z)
• Streaming-capable High-performance Architecture of Learned Image Compression Codecs [21.53261818914534]
  本稿では,様々な学習画像圧縮モデルのランタイム性能向上のための代替手法を提案する。 私たちのアーキテクチャだけでも、ニューラルモデル自体を変更することなく優れたパフォーマンスを実現しています。 私たちの実装は,ベースラインと比較してスループットとレイテンシが優れています。
  論文  参考訳（メタデータ） (2022-08-02T03:15:48Z)
• PILC: Practical Image Lossless Compression with an End-to-end GPU Oriented Neural Framework [88.18310777246735]
  本稿では,1台のNVIDIA Tesla V100 GPUを用いて,圧縮と圧縮の両面で200MB/sを実現するエンドツーエンド画像圧縮フレームワークを提案する。 実験により、我々のフレームワークは、複数のデータセットで30%のマージンで、PNGよりも圧縮が優れていることが示された。
  論文  参考訳（メタデータ） (2022-06-10T03:00:10Z)
• A Coding Framework and Benchmark towards Low-Bitrate Video Understanding [63.05385140193666]
  我々は,従来のコーデックとニューラルネットワーク(NN)の両方を活用する,従来型ニューラル混合符号化フレームワークを提案する。 このフレームワークは、動画の移動効率の良いセマンティック表現を確実に保持することで最適化される。 8つのデータセットに3つのダウンストリームタスクを備えた低ビットレートビデオ理解ベンチマークを構築し、このアプローチの顕著な優位性を実証した。
  論文  参考訳（メタデータ） (2022-02-06T16:29:15Z)
• A New Image Codec Paradigm for Human and Machine Uses [53.48873918537017]
  本研究では,人間用と機械用の両方にスケーラブルな画像パラダイムを提案する。 高レベルのインスタンスセグメンテーションマップと低レベルの信号特徴をニューラルネットワークで抽出する。 画像は16ビットのグレースケールプロファイルと信号特徴を持つ一般的な画質のイメージ再構成を実現するために設計および訓練される。
  論文  参考訳（メタデータ） (2021-12-19T06:17:38Z)
• Adaptation and Attention for Neural Video Coding [23.116987835862314]
  本稿では,いくつかの建築ノベルティとトレーニングノベルティを紹介するエンド・ツー・エンドの学習ビデオを提案する。 1つのアーキテクチャ上の特徴として,入力ビデオの解像度に基づいて動き推定プロセスを適用するために,フレーム間モデルをトレーニングすることを提案する。 第2のアーキテクチャノベルティは、分割アテンションベースのニューラルネットワークとDenseNetsの概念を組み合わせた、新しいニューラルブロックである。
  論文  参考訳（メタデータ） (2021-12-16T10:25:49Z)
• ELF-VC: Efficient Learned Flexible-Rate Video Coding [61.10102916737163]
  低レイテンシモードの性能向上を実現するための,学習ビデオ圧縮のための新しいアイデアをいくつか提案する。 一般的なビデオテストセット UVG と MCL-JCV 上で,ELF-VC と呼ぶ手法をベンチマークする。 我々の手法は少なくとも5倍高速に動作し、これらの数値を報告するすべてのMLコーデックよりもパラメータが少ない。
  論文  参考訳（メタデータ） (2021-04-29T17:50:35Z)
• Conditional Entropy Coding for Efficient Video Compression [82.35389813794372]
  本稿では,フレーム間の条件エントロピーをモデル化することのみに焦点を当てた,非常にシンプルで効率的なビデオ圧縮フレームワークを提案する。 まず、画像遅延符号間のエントロピーをモデル化する単純なアーキテクチャが、他のニューラルビデオ圧縮やビデオコーデックと同等の競争力を持つことを示す。 次に、このアーキテクチャの上に新しい内部学習拡張を提案し、復号速度を抑えることなく10%の節約を実現した。
  論文  参考訳（メタデータ） (2020-08-20T20:01:59Z)
• Content Adaptive and Error Propagation Aware Deep Video Compression [110.31693187153084]
  本稿では,コンテンツ適応型・誤り伝搬対応型ビデオ圧縮システムを提案する。 本手法では, 複数フレームの圧縮性能を1フレームではなく複数フレームで考慮し, 共同学習手法を用いる。 従来の圧縮システムでは手作りのコーディングモードを使用する代わりに,オンラインエンコーダ更新方式をシステム内に設計する。
  論文  参考訳（メタデータ） (2020-03-25T09:04:24Z)

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。