論文の概要: You've Seen Enough: Quality-Constrained Image Coding for Machines
- arxiv url: http://arxiv.org/abs/2609.25108v2
- Date: Thu, 24 Sep 2026 23:02:50 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-28 18:27:51.031047
- Title: You've Seen Enough: Quality-Constrained Image Coding for Machines
- Title（参考訳）: マシンの画質に制約のある画像符号化
- Abstract要約: Image Coding for Machines (ICM)は、メインオブザーバがコンピュータビジョンアプリケーションであると仮定して画像を圧縮する。
単に目に見える歪みにインスパイアされ、人間の目で見た品質を所望のレベルに制限し、残りのビットをマシンのパフォーマンスに捧げる。
- 参考スコア（独自算出の注目度）: 19.980382808152267
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Visual data is increasingly consumed by machine-vision systems rather than by human observers. Image Coding for Machines (ICM) compresses images assuming the main observer is a computer vision application and that the human observer needs to inspect or validate the decisions. Inspired by just-noticeable distortion, we cap human-observed quality at a desired level and devote the remaining bits to machine performance. Specifically, joint compression-segmentation training is recast as a constrained optimization problem in which the codec must meet a predefined acceptable target visual quality while a task term consumes the remaining coding capacity. This paper proposes two variants of a penalty function that guides the quality toward the target: an absolute function and a bilinear function, the latter applying a steeper slope once the target visual quality is exceeded. Experimental results show that, under the quality constraint, the proposed method achieves BD-rates of $-22.82\%$ and $-29.81\%$ relative to an unconstrained joint rate--distortion--task optimization and a simple rate--distortion baseline, respectively, showcasing bitrate reduction with the same task performance. This is achieved while the codec also meets the target visual quality with a reasonable error and without adding any complexity overhead.
- Abstract（参考訳）: 視覚データは、人間の観察者ではなく、マシンビジョンシステムによって消費されることが多い。
Image Coding for Machines (ICM)は、メインオブザーバがコンピュータビジョンアプリケーションであると仮定して画像を圧縮し、人間のオブザーバが決定を検査または検証する必要があることを仮定する。
単に目に見える歪みにインスパイアされ、人間の目で見た品質を所望のレベルに制限し、残りのビットをマシンのパフォーマンスに捧げる。
具体的には、タスク項が残りの符号化能力を消費している間に、コーデックが予め定義された許容された視覚的品質を満たさなければならない制約付き最適化問題として、共同圧縮分離訓練をリキャストする。
本稿では,絶対関数と双線形関数の2種類のペナルティ関数を提案する。
実験結果から,提案手法は品質制約下で,非拘束継手率-歪み-歪と簡単な速度-歪みベースラインに対して,BDレートが$-22.82\%および$-29.81\%であることを示す。
これはコーデックが目標の視覚的品質を適切なエラーで満たし、複雑さのオーバーヘッドを追加することなく達成される。
関連論文リスト
- CI-ICM: Channel Importance-driven Learned Image Coding for Machines [56.1188469769241]
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。
論文 参考訳（メタデータ） (2026-04-07T02:36:47Z) - Just Noticeable Difference Modeling for Deep Visual Features [59.93185561462793]
Just noticeable difference (JND) は、人間や機械の視覚下での画像に対する最大の知覚不可能な歪みを特徴付ける。
本稿では,FatJNDの最大摂動分布を予測できるタスク整列型JNDの定式化を提案する。
FeatJND誘導のステップサイズ割り当ては、同じノイズ予算の下で、ランダムなステップサイズ置換とグローバルな均一なステップサイズよりも明確なゲインが得られることを示す。
論文 参考訳（メタデータ） (2026-01-29T16:22:31Z) - Progressive Learned Image Compression for Machine Perception [27.208988763458958]
本稿では,三面体符号化に基づく機械認識のための新しいプログレッシブラーニング画像圧縮,PICM-Netを提案する。
提案手法は,下流分類タスクにおいて高い性能を維持しつつ,効率よく適応的なプログレッシブトランスミッションを実現する。
論文 参考訳（メタデータ） (2025-12-23T05:45:38Z) - A Preprocessing Framework for Video Machine Vision under Compression [26.253209831074184]
本稿では,この課題に対処するために,マシンビジョンタスクに適したビデオ前処理フレームワークを提案する。
提案手法は,後続のタスクにおいて重要な情報を保持するニューラルプリプロセッサを組み込んでおり,その結果,レート精度が向上する。
論文 参考訳（メタデータ） (2025-12-17T11:26:19Z) - Image Coding for Machines via Feature-Preserving Rate-Distortion Optimization [31.210700220124192]
本研究では,与えられたタスク損失に対する圧縮の効果を低減させる手法として,特徴量間の距離を用いてレート歪み(RDO)を行う方法を示す。
我々は、ブロックベースのエンコーダを用いて歪み項を計算可能にするために、RDOの定式化を単純化する。
複数の特徴抽出器と下流ネットワークに変換されたHEVCを用いたシミュレーションでは、同じタスクの精度で最大で17%のビットレートのセーブが可能であることを示す。
論文 参考訳（メタデータ） (2025-04-03T02:11:26Z) - RL-RC-DoT: A Block-level RL agent for Task-Aware Video Compression [68.31184784672227]
自律運転のような現代的なアプリケーションでは、圧倒的多数のビデオがタスクを実行するAIシステムの入力として機能する。
したがって、画像の品質ではなく、下流タスクのためにエンコーダを最適化することが有用である。
ここでは、下流タスクを最適化するために、マクロブロックレベルで量子化パラメータ(QP)を制御することで、この問題に対処する。
論文 参考訳（メタデータ） (2025-01-21T15:36:08Z) - Rate-Distortion-Cognition Controllable Versatile Neural Image Compression [47.72668401825835]
速度歪み認識制御可能な多目的画像圧縮法を提案する。
本手法は, 良好なICM性能とフレキシブルレート・ディストーション・コグニテーション制御を実現する。
論文 参考訳（メタデータ） (2024-07-16T13:17:51Z) - Bridging the gap between image coding for machines and humans [20.017766644567036]
監視などの多くのユースケースでは、圧縮処理によって視覚的品質が劇的に劣化しないことが重要である。
ニューラルネットワーク(NN)ベースのICMコーデックの使用に関する最近の研究は、従来の手法に対して大きなコードゲインを示している。
ICMの視覚的品質を大幅に向上させるために, 対角訓練に基づく効果的なデコーダファインタニング手法を提案する。
論文 参考訳（メタデータ） (2024-01-19T14:49:56Z) - Reduced Reference Perceptual Quality Model and Application to Rate
Control for 3D Point Cloud Compression [61.110938359555895]
レート歪み最適化では、ビットレートの制約を受ける再構成品質尺度を最大化してエンコーダ設定を決定する。
本稿では,V-PCC幾何および色量化パラメータを変数とする線形知覚品質モデルを提案する。
400個の圧縮された3D点雲による主観的品質試験の結果,提案モデルが平均評価値とよく相関していることが示唆された。
また、同じ目標ビットレートに対して、提案モデルに基づくレート歪みの最適化は、ポイント・ツー・ポイントの客観的な品質指標による徹底的な探索に基づくレート歪みの最適化よりも高い知覚品質を提供することを示した。
論文 参考訳（メタデータ） (2020-11-25T12:42:02Z)
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。