論文の概要: Multiple Scale Latents for Learned Image Compression

• arxiv url: http://arxiv.org/abs/2608.10952v1
• Date: Tue, 11 Aug 2026 14:22:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-12 19:14:46.070887
• Title: Multiple Scale Latents for Learned Image Compression
• Title（参考訳）: 学習画像圧縮のための複数スケール潜時潜時潜時潜時潜時潜時潜時潜時潜時潜時潜時潜時潜時潜時潜
• Abstract要約: エントロピーモデルの効率を向上させるために,階層型潜在表現を提案する。 複数の潜在表現を異なるスケールで使用することにより、それぞれが独自のエントロピーモデルで、潜在表現の空間構造をよりよく捉えることができる。 実験の結果, この手法はコダックのVVCよりも17.9%のBDレートを低減できることがわかった。
• 参考スコア（独自算出の注目度）: 53.71337604556311
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Most learned image compression systems rely on a single latent representation combined with a hyperprior, which limits their ability to efficiently capture image structure across spatial scales. In this work, we propose a hierarchical latent representation to improve the efficiency of the entropy model. By using multiple latents at different scales, each with its own entropy model, we better capture the spatial structure of the latent representation. Our experiments show that this approach achieves a 17.9% BD-rate reduction over VVC on Kodak, demonstrating the effectiveness of multi-scale latent representations. Furthermore, the approach is orthogonal to other advances in learned image compression, making it a versatile addition to existing methods.
• Abstract（参考訳）: ほとんどの学習された画像圧縮システムは、1つの潜伏表現とハイパープライアの組み合わせに依存しており、空間スケールにわたって画像構造を効率的にキャプチャする能力を制限する。 本研究では,エントロピーモデルの効率向上を目的とした階層型潜在表現を提案する。 複数の潜在表現を異なるスケールで使用することにより、それぞれが独自のエントロピーモデルで、潜在表現の空間構造をよりよく捉えることができる。 実験により,コダックのVVCに対して17.9%のBDレート削減を実現し,マルチスケール潜在表現の有効性を実証した。 さらに、この手法は学習画像圧縮の他の進歩と直交しており、既存の手法に汎用的な追加となる。

関連論文リスト

• Mixture-of-Experts-based Entropy Model for Learned Image Compression [53.71337604556311]
  学習画像圧縮のためのMoEベースのエントロピーモデル(MoEE)を提案する。 我々のモデルは、Kodakデータセット上で-16.85%のVVCよりもBD-Rateの改善を実現している。
  論文  参考訳（メタデータ） (2026-08-11T14:17:39Z)
• SFTok: Bridging the Performance Gap in Discrete Tokenizers [72.9996757048065]
  複数ステップの反復機構を組み込んだ離散トークン化機構である textbfSFTok を提案する。 画像当たり64トークンの高速圧縮速度で、SFTokはImageNetの最先端の再構築品質を達成する。
  論文  参考訳（メタデータ） (2025-12-18T18:59:04Z)
• 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)
• MambaIC: State Space Models for High-Performance Learned Image Compression [40.155314987485376]
  多数のフィールドをまたいだリアルタイム情報伝送には,高性能な画像圧縮アルゴリズムが不可欠である。 状態空間モデル(SSM)の長距離依存性の捕捉効果に着想を得て,SSMを利用して既存手法の計算不効率に対処する。 そこで本稿では,MambaICと呼ばれる洗練されたコンテキストモデリングによる画像圧縮手法を提案する。
  論文  参考訳（メタデータ） (2025-03-16T11:32:34Z)
• Diffusion-Based Hierarchical Image Steganography [60.69791384893602]
  Hierarchical Image Steganographyは、複数のイメージを単一のコンテナに埋め込むセキュリティとキャパシティを高める新しい方法である。 フローモデルの可逆性とともに拡散モデルの堅牢性を利用する。 この革新的な構造は、コンテナイメージを自律的に生成し、複数の画像やテキストを安全かつ効率的に隠蔽することができる。
  論文  参考訳（メタデータ） (2024-05-19T11:29:52Z)
• Robustly overfitting latents for flexible neural image compression [1.7041035606170198]
  最先端のニューラルイメージ圧縮モデルは、デコーダに効率的に送信できる量子化潜在表現に画像をエンコードすることを学ぶ。 これらのモデルは実際に成功したが、エンコーダとデコーダの容量が不完全な最適化と制限のため、準最適結果をもたらす。 最近の研究は、Gumbel annealing(SGA)を使用して、トレーニング済みのニューラルイメージ圧縮モデルの潜在性を洗練する方法を示している。 提案手法は,R-Dトレードオフの観点から,前者に比べて圧縮性能が向上することを示す。
  論文  参考訳（メタデータ） (2024-01-31T12:32:17Z)
• COMPASS: High-Efficiency Deep Image Compression with Arbitrary-scale Spatial Scalability [28.270200666064163]
  本稿では,任意の空間拡張性をサポートする,新しいNNベースの空間拡張性画像圧縮手法Compassを提案する。 提案したコンパスは, 層数とそのスケール因子を任意に推定できる, 非常に柔軟な構造を有する。 実験結果から,我々のコンパスは, SHVCと最先端NNベース空間拡張画像圧縮法と比較して, 最大で-58.33%, 最大で-47.17%のBDレートを達成できた。
  論文  参考訳（メタデータ） (2023-09-11T14:05:18Z)
• Optimizing Hierarchical Image VAEs for Sample Quality [0.0]
  階層的変動オートエンコーダ (VAE) は, 画像モデリングタスクにおいて, 高精度な密度推定を実現している。 これは、画像の非知覚的な詳細を圧縮する過度に強調する学習表現によるものである。 我々は,各潜伏群におけるインフォメーション量を制御するKL重み付け戦略を導入し,学習目標のシャープネスを低減するためにガウス出力層を用いる。
  論文  参考訳（メタデータ） (2022-10-18T23:10:58Z)
• DWDN: Deep Wiener Deconvolution Network for Non-Blind Image Deblurring [66.91879314310842]
  本稿では,古典的なWienerデコンボリューションフレームワークを学習深い特徴と統合することにより,特徴空間における明示的なデコンボリューションプロセスを提案する。 マルチスケールのカスケード機能改善モジュールは、分離された深い特徴から退色画像を予測する。 提案したDeep Wienerデコンボリューションネットワークは,目に見える成果物が少なく,かつ,最先端の非盲点画像デコンボリューション手法を広いマージンで定量的に上回っていることを示す。
  論文  参考訳（メタデータ） (2021-03-18T00:38:11Z)

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。