Fugu-MT 論文翻訳(概要): Multi-scale Image Representation Compression

論文の概要: Multi-scale Image Representation Compression

arxiv url: http://arxiv.org/abs/2609.04274v1
Date: Wed, 02 Sep 2026 21:44:26 GMT
ステータス: 翻訳完了
システム内更新日: 2026-09-07 18:15:23.761165
Title: Multi-scale Image Representation Compression
Title（参考訳）: マルチスケール画像表現圧縮
Abstract要約: MIRCは、すべての符号化されたコンポーネントが量子化され、単一のレート歪みの目的の下でエントロピーが符号化される、過度に適合した画像である。 CLIC 2020のプロフェッショナル検証セットでは、MIRCはVVC(VTM 22.0)に対して10.5%のBDレートの節約を達成した。 MIRCは1ピクセルあたり1.2から2.9kMACのコンフィギュレーションのファミリーを提供するため、デコード予算はデプロイメントターゲットに合わせて選択できる。
参考スコア（独自算出の注目度）: 21.36894041974722
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Overfitted codecs have demonstrated promising performance for image and video compression. In particular, for image compression, the Cool-chic family of models has shown competitive performance against scene-agnostic models, with orders of magnitude lower decoding complexity at the cost of a longer overfitting process. However, these overfitted image codecs are not fully optimized toward the rate-distortion objective: their network weights remain in full precision during training, and the associated quantization parameters are selected in a separate post-training stage. Furthermore, their synthesis operates at a single scale, which overlooks cross-scale redundancy. In this paper, we propose MIRC, an overfitted image codec in which every coded component, including the latents, the synthesis network, and the entropy models, is quantized and entropy coded under a single rate-distortion objective, adopting the end-to-end compression pipeline of the neural video representation codec NVRC. We further introduce a multi-scale representation with cross-stage parameter sharing, which improves coding efficiency at a small transmitted overhead. On the CLIC2020 professional validation set, MIRC achieves a 10.5% BD-rate saving against VVC (VTM 22.0). Moreover, MIRC offers a family of configurations spanning 1.2 to 2.9 kMAC per pixel, so the decoding budget can be selected to match the deployment target.
Abstract（参考訳）: オーバーフィッティングされたコーデックは、画像とビデオの圧縮に有望な性能を示した。特に、画像圧縮では、Cool-chicモデルのファミリーはシーンに依存しないモデルと競合する性能を示しており、より長いオーバーフィッティングプロセスのコストでデコード複雑性を桁違いに低減している。しかし、これらの過度に適合した画像コーデックは、速度歪みの目標に対して完全に最適化されておらず、トレーニング中のネットワーク重みは完全精度のままであり、関連する量子化パラメータは訓練後の別の段階で選択される。さらに、それらの合成は1つのスケールで動作し、これはクロススケールの冗長性を見落としている。本稿では,ニューラルビデオ表現コーデックNVRCのエンドツーエンド圧縮パイプラインを用いて,遅延,合成ネットワーク,エントロピーモデルを含むすべてのコードコンポーネントを1つのレート歪み目標の下で量子化し,エントロピー符号化する過度な画像コーデックMIRCを提案する。さらに,クロスステージなパラメータ共有によるマルチスケール表現を導入し,小さなオーバヘッドでの符号化効率を向上する。 CLIC2020のプロフェッショナル検証セットでは、MIRCはVVC(VTM 22.0)に対して10.5%のBDレートの節約を達成した。さらに、MIRCは1ピクセルあたり1.2から2.9kMACまでの構成のファミリーを提供するので、デコード予算はデプロイメントターゲットに合わせて選択できる。

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)
Scalable Neural Video Representation Compression [21.36894041974722]
Inlicit Neural representation (INR)ベースのコーデックは、コンパクトニューラルネットワークを個々のビデオにオーバーフィットすることで圧縮を実現する。本稿では、単一の埋め込みビットストリームからの微細化と復号化の複雑さを共同でサポートする、スケーラブルなINRベースのビデオであるS-NVRCを提案する。
論文参考訳（メタデータ） (2026-09-02T21:25:47Z)
ProGIC: Progressive and Lightweight Generative Image Compression with Residual Vector Quantization [59.481950697968706]
残留ベクトル量子化(RVQ)に基づくコンパクトなプログレッシブ生成画像圧縮(ProGIC)を提案する。 RVQでは、ベクトル量子化器の列がステージごとに残余を符号化し、それぞれが独自のコードブックを持つ。これを奥行き分離可能な畳み込みと小さな注意ブロックに基づく軽量なバックボーンと組み合わせることで、GPUとCPUのみのデバイスに実用的なデプロイを可能にします。
論文参考訳（メタデータ） (2026-03-03T11:47:05Z)
Ultra-lightweight Neural Video Representation Compression [18.390031994984096]
ニューラルビデオ表現に2つの重要な変更を加えたNVRC-Liteを提案する。まず、マルチスケールの機能グリッドを軽量なニューラル表現に統合しました。第二に、既存のINRがエントロピー符号化に自己回帰モデルを利用するという問題に対処する。実験の結果, NVRC-Lite は INR ベースのビデオコーデックの最高性能である C3 より優れていた。
論文参考訳（メタデータ） (2025-12-03T17:56:44Z)
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)
CMC-Bench: Towards a New Paradigm of Visual Signal Compression [85.1839779884282]
本稿では,画像圧縮のための画像間テキスト(I2T)モデルとテキスト間画像(T2I)モデルの協調性能のベンチマークであるCMC-Benchを紹介する。超低速では、いくつかのI2TモデルとT2Iモデルの組み合わせが、最も先進的な視覚信号プロトコルを超えたことが証明されている。
論文参考訳（メタデータ） (2024-06-13T17:41:37Z)
MISC: Ultra-low Bitrate Image Semantic Compression Driven by Large Multimodal Model [78.4051835615796]
本稿では,マルチモーダル画像セマンティック圧縮法を提案する。画像の意味情報を抽出するLMMエンコーダと、その意味に対応する領域を特定するマップエンコーダと、非常に圧縮されたビットストリームを生成する画像エンコーダと、前記情報に基づいて画像を再構成するデコーダとからなる。知覚50%を節約しながら最適な一貫性と知覚結果を達成することができ、これは次世代のストレージと通信において強力な可能性を持つ。
論文参考訳（メタデータ） (2024-02-26T17:11:11Z)
ConvNeXt-ChARM: ConvNeXt-based Transform for Efficient Neural Image Compression [18.05997169440533]
ConvNeXt-ChARMは,効率的なConvNeXtベースのトランスフォーメーションコーディングフレームワークである。 ConvNeXt-ChARMは、VVC参照エンコーダ(VTM-18.0)と最先端の学習画像圧縮手法であるSwinT-ChARMに対して、平均5.24%と1.22%と、一貫したBDレート(PSNR)の低下をもたらすことを示した。
論文参考訳（メタデータ） (2023-07-12T11:45:54Z)
End-to-End Learnable Multi-Scale Feature Compression for VCM [8.037759667748768]
抽出した特徴量に対するエンドツーエンドの最適化と軽量エンコーダの設計を可能にする,新しいマルチスケール特徴量圧縮手法を提案する。我々のモデルは、BDレートを少なくとも52%削減し、オブジェクト検出の符号化時間を$times5$から$times27$に短縮する。
論文参考訳（メタデータ） (2023-06-29T04:05:13Z)
Neural JPEG: End-to-End Image Compression Leveraging a Standard JPEG Encoder-Decoder [73.48927855855219]
本稿では,エンコーダとデコーダの両端に内在するニューラル表現を強化することで,符号化性能の向上を図るシステムを提案する。実験により,提案手法はJPEGに対する速度歪み性能を,様々な品質指標で改善することを示した。
論文参考訳（メタデータ） (2022-01-27T20:20:03Z)
Slimmable Compressive Autoencoders for Practical Neural Image Compression [20.715312224456138]
実画像圧縮のためのスリム圧縮オートエンコーダ(SlimCAEs)を提案する。 SlimCAEは、優れたレート歪み性能、可変率、メモリの動的調整、計算コスト、レイテンシを提供する柔軟性の高いモデルです。
論文参考訳（メタデータ） (2021-03-29T16:12:04Z)

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。