論文の概要: Optimizing Image Preparation and Compression for Face Recognition within 1024 Bytes

• arxiv url: http://arxiv.org/abs/2606.30321v2
• Date: Thu, 02 Jul 2026 20:05:03 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-07 13:04:58.276286
• Title: Optimizing Image Preparation and Compression for Face Recognition within 1024 Bytes
• Title（参考訳）: 1024バイト以内の顔認識における画像生成と圧縮の最適化
• Abstract要約: ICAO準拠の機械可読旅行文書は、自動生体顔認証を可能にする。 生体基準は、JPEGまたはJPEG2000圧縮顔画像の形で含まれるRFIDチップに記憶される。 本研究では, JPEG, JPEG 2000, JPEG XL, JPEG AI, HEIF, AVIF, WebPを用いて, このターゲットサイズに対する画像圧縮を行う。
• 参考スコア（独自算出の注目度）: 5.11181468738121
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: ICAO-compliant machine readable travel documents enable automated biometric face verification. The biometric reference is stored on an RFID chip included in form of a JPEG or JPEG 2000 compressed facial image. In contrast, temporary travel documents lack of machine readability, which excludes the owner from such automated processes. This disadvantage could be solved by equipping such documents with 2D barcodes. This technology offers a resource-saving alternative to expensive RFID chips, while still offering machine readability and fast issuing processes. However, this solution introduces the challenge of storing the face images at significantly smaller storage capacities, creating the need for reducing the file size of the included facial image to a maximum of 1024 bytes. This study examines preprocessing steps and compression configurations, using JPEG, JPEG 2000, JPEG XL, JPEG AI, HEIF, AVIF, and WebP for image compression to this target size, while still preserving as much face recognition performance as possible. While the reference sample must always comply with ICAO specifications, the individual samples may or may not meet these requirements, depending on the application. This work optimizes compression steps for both of these prerequisites. It is shown that the recently standardised JPEG AI, when using optimized settings, provides the best face recognition performance, in particular when the comparison includes only images with high face image quality. AVIF and WebP also provide good results. The losses caused by the strong lossy compression are comparatively small. For the comparison of ICAO-compliant face images only, converting the images to grayscale proves to be a helpful preprocessing step, whereas for comparisons involving less suitable samples, preserving color is preferable. In addition, smoothing and resizing the images beforehand also turns out to be beneficial.
• Abstract（参考訳）: ICAO準拠の機械可読旅行文書は、自動生体顔認証を可能にする。 生体基準は、JPEGまたはJPEG2000圧縮顔画像の形で含まれるRFIDチップに記憶される。 対照的に、一時的な旅行文書には機械の可読性がないため、所有者はそのような自動化プロセスから除外される。 この欠点は、そのような文書に2Dバーコードを持たせることで解決できる。 この技術は高価なRFIDチップに代わるリソース節約を提供する一方で、マシン可読性と高速発行プロセスを提供する。 しかし、このソリューションでは、顔画像の保存能力を著しく小さくし、含まれた顔画像のファイルサイズを最大1024バイトに削減する必要が生じる。 本研究では、JPEG, JPEG 2000, JPEG XL, JPEG AI, HEIF, AVIF, WebPを用いて、このターゲットサイズまで画像圧縮を行いながら、顔の認識性能を最大限に保ちながら、前処理ステップと圧縮構成について検討する。 参照サンプルはICAO仕様に従わなければならないが、個々のサンプルはアプリケーションによってこれらの要件を満たすかもしれないし、満たさないかもしれない。 この作業は、これらの前提条件の両方に対して圧縮ステップを最適化する。 最近標準化されたJPEG AIは、最適化された設定を使用する場合、特に比較対象が高画質の画像のみを含む場合、最高の顔認識性能を提供する。 AVIFとWebPも良い結果をもたらす。 強い損失圧縮による損失は比較的小さい。 ICAO準拠の顔画像の比較では、画像をグレースケールに変換することが有用な前処理ステップであることが証明されている。 また、画像のスムーズ化やリサイズ化も有益であることが判明した。

関連論文リスト

• Semantic Alignment and Reinforcement for Data-Free Quantization of Vision Transformers [58.80845404416028]
  データフリー量子化(DFQ)は、実際のデータにアクセスせずにモデル量子化を可能にし、データのセキュリティとプライバシに関する懸念に対処する。 ビジョントランスフォーマー(ViTs)の普及に伴い、ViTsのDFQは大きな注目を集めている。 本稿では,新しいセマンティックアライメントと強化データ自由化手法であるSARDFQを提案する。
  論文  参考訳（メタデータ） (2024-12-21T09:30:45Z)
• 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)
• Effect of Lossy Compression Algorithms on Face Image Quality and Recognition [12.554656658516262]
  ロスシーな顔画像圧縮は、顔認識のために画像品質と有用性を低下させることができる。 4つの圧縮タイプ、JPEG、JPEG 2000、縮小されたPNG、特に新しいJPEG XLフォーマットが検討されている。
  論文  参考訳（メタデータ） (2023-02-24T12:11:05Z)
• Metaheuristic-based Energy-aware Image Compression for Mobile App Development [1.933681537640272]
  本稿では,人口ベースJPEG画像圧縮のための新しい目的関数を提案する。 第2に,包括的カバレッジの欠如に対処するために,新しい表現を提案する。 第3に、22の最先端および最近導入されたPBMHアルゴリズムに関する包括的なベンチマークを提供する。
  論文  参考訳（メタデータ） (2022-12-13T01:39:47Z)
• Data Efficient Visual Place Recognition Using Extremely JPEG-Compressed Images [17.847661026367767]
  本稿では,JPEG圧縮が視覚的位置認識技術の性能に与える影響について検討する。 圧縮を導入することにより、特に高い圧縮スペクトルにおいて、VPR性能が大幅に低下することを示す。 我々は、JPEG圧縮データに最適化された微調整CNNを提案し、非常に圧縮されたJPEG画像で検出された画像変換とより一貫した性能を示す。
  論文  参考訳（メタデータ） (2022-09-17T14:46:28Z)
• Document Image Binarization in JPEG Compressed Domain using Dual Discriminator Generative Adversarial Networks [0.0]
  提案したモデルは、穴、消し去られた、あるいは汚されたインク、粉塵、ずれた繊維といった課題を持つDIBCOデータセットのさまざまなバージョンで徹底的にテストされている。 このモデルは非常に堅牢で、時間と空間の複雑さの両面で効率的であることが証明され、JPEG圧縮領域における最先端の性能がもたらされた。
  論文  参考訳（メタデータ） (2022-09-13T12:07:32Z)
• Towards Robust Data Hiding Against (JPEG) Compression: A Pseudo-Differentiable Deep Learning Approach [78.05383266222285]
  これらの圧縮に対抗できるデータ隠蔽の目標を達成することは、依然としてオープンな課題である。 ディープラーニングはデータの隠蔽に大きな成功を収めていますが、JPEGの非差別化性は、損失のある圧縮に対する堅牢性を改善するための深いパイプラインのトレーニングを困難にしています。 本稿では,上記の制約をすべて一度に解決するための,単純かつ効果的なアプローチを提案する。
  論文  参考訳（メタデータ） (2020-12-30T12:30:09Z)
• Analyzing and Mitigating JPEG Compression Defects in Deep Learning [69.04777875711646]
  本稿では,JPEG圧縮が共通タスクやデータセットに与える影響を統一的に検討する。 高圧縮の一般的なパフォーマンス指標には大きなペナルティがあることが示される。
  論文  参考訳（メタデータ） (2020-11-17T20:32:57Z)
• Learning to Improve Image Compression without Changing the Standard Decoder [100.32492297717056]
  本稿では,標準デコーダによる符号化性能向上のための学習法を提案する。 具体的には、DCT係数の分布を最適化する周波数領域事前編集法を提案する。 JPEGデコーダは変更しないので、広く使われている標準JPEGデコーダで画像を見る際には、我々のアプローチが適用可能である。
  論文  参考訳（メタデータ） (2020-09-27T19:24:42Z)
• Leveraging Domain Knowledge using Machine Learning for Image Compression in Internet-of-Things [8.937905773981702]
  MAGICは、新しい機械学習(ML)ガイド画像圧縮フレームワークである。 MAGIC フレームワークは JPEG 2000 および WebP の標準品質限界を超えて圧縮可能であることを示す。 JPEG 2000 や WebP と比較して,画像間の圧縮速度のばらつきが低いことを示す。
  論文  参考訳（メタデータ） (2020-09-14T20:59:19Z)
• 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)
• Discernible Image Compression [124.08063151879173]
  本稿では、外観と知覚の整合性の両方を追求し、圧縮画像を作成することを目的とする。 エンコーダ・デコーダ・フレームワークに基づいて,事前学習したCNNを用いて,オリジナル画像と圧縮画像の特徴を抽出する。 ベンチマーク実験により,提案手法を用いて圧縮した画像は,その後の視覚認識・検出モデルでもよく認識できることが示された。
  論文  参考訳（メタデータ） (2020-02-17T07:35:08Z)

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。