論文の概要: Implicit Neural Representation for Hyperspectral Video Compression

• arxiv url: http://arxiv.org/abs/2609.31435v1
• Date: Fri, 25 Sep 2026 15:57:02 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-28 18:27:51.479363
• Title: Implicit Neural Representation for Hyperspectral Video Compression
• Title（参考訳）: ハイパースペクトル映像圧縮のためのインプシットニューラル表現
• Abstract要約: 我々は,既存のRGBビデオ圧縮モデルの新たな拡張を提案し,Bjntegaard Delta PSNRの+4.99dB,Bjntegaard Deltaレート-88.88%を実現した。 提案手法は, 主成分分析に基づく圧縮法とJPEG2000を低データ方式で比較し, 曲線下のトラッキング面積を最大23.42%, 距離精度を最大35.56%向上させる。
• 参考スコア（独自算出の注目度）: 0.7710436567988378
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: With the advent of snapshot cameras, hyperspectral video is becoming more readily available. In recent years, new applications have emerged which have led to increasingly larger datasets. However, hyperspectral video compression remains in the early stages. In this study, we explore the use of implicit neural representation as a candidate solution. We propose a novel extension of an existing RGB video compression model, achieving Bjøntegaard Delta PSNR gains of +4.99 dB and Bjøntegaard Delta rate of -88.88% compared to traditional hyperspectral image compression methods applied frame-by-frame. In addition to reconstruction quality, the effects on downstream task performance are measured in the form of object tracking success. Compared to video compressed with methods based on principal component analysis and JPEG2000 in low data regimes, our proposed method improves tracking area under the curve by up to 23.42% and distance precision by up to 35.56% on examples from the HOT2026 dataset.
• Abstract（参考訳）: スナップショットカメラの出現により、ハイパースペクトルビデオはより容易に利用できるようになった。 近年、新たなアプリケーションが登場し、ますます大きなデータセットが生まれている。 しかし、ハイパースペクトルビデオ圧縮はまだ初期段階にある。 本研究では,暗黙的ニューラル表現の候補解としての利用について検討する。 フレーム単位で適用した従来のハイパースペクトル画像圧縮法と比較して, Bjøntegaard Delta PSNR の +4.99 dB と Bjøntegaard Delta の-88.88% という,既存の RGB ビデオ圧縮モデルの新たな拡張を提案する。 復元品質に加えて、下流タスク性能への影響を物体追跡成功の形で測定する。 提案手法は,主成分分析に基づく手法とJPEG2000を低データ方式で圧縮したビデオと比較して,曲線下のトラッキング領域を最大23.42%,距離精度を最大35.56%改善する。

関連論文リスト

• Deformable 2D Gaussian Splatting for Efficient 4K Video Compression [11.054100502251975]
  グループ・オブ・ピクチャーズ(GOP)を表現・圧縮するリアルタイムビデオ圧縮フレームワークを提案する。 実験により,H.265を超越したLPIPSの速度歪み特性が得られた。 本研究は,高解像度映像圧縮のための実用的なソリューションとして,ガウススプラッティングの可能性を示すものである。
  論文  参考訳（メタデータ） (2026-09-12T20:18:25Z)
• Subjective and Objective Quality Assessment of Banding Artifacts on Compressed Videos [55.09949353783613]
  注目に値するバンドングアーティファクトは、ハイエンドのHDTVや高解像度のスクリーンで見るビデオの知覚的品質に深刻な影響を与える可能性がある。 我々は、LIVE-YT-Bandingと呼ばれる、4つの異なる圧縮パラメータで生成された160のビデオからなる、第一種オープンビデオデータセットを作成しました。 計7,200人の主観的意見が45人の被験者のコホートから集められている。
  論文  参考訳（メタデータ） (2025-08-12T07:42:56Z)
• Extreme Video Compression with Pre-trained Diffusion Models [11.898317376595697]
  本稿では,デコーダにおける拡散型生成モデルの予測力を活用した,極端な映像圧縮のための新しい手法を提案する。 ビデオ全体が順次エンコードされ、知覚品質の指標を考慮し、視覚的に快く再現される。 その結果、生成モデルを用いて映像データの時間的関係を活用できる可能性が示された。
  論文  参考訳（メタデータ） (2024-02-14T04:23:05Z)
• Hyperspectral Image Compression Using Sampling and Implicit Neural Representations [2.3931689873603603]
  ハイパースペクトル画像は、シーンの画像中の画素の電磁スペクトルを記録する。 これらの画像の撮影コストが低下する中で、ハイパースペクトル画像の保存、送信、解析のための効率的な技術を開発する必要がある。 本稿では,暗黙的ニューラル表現を用いたハイパースペクトル画像圧縮法を提案する。
  論文  参考訳（メタデータ） (2023-12-04T01:10:04Z)
• Learned Video Compression via Heterogeneous Deformable Compensation Network [78.72508633457392]
  不安定な圧縮性能の問題に対処するために,不均一変形補償戦略(HDCVC)を用いた学習ビデオ圧縮フレームワークを提案する。 より具体的には、提案アルゴリズムは隣接する2つのフレームから特徴を抽出し、コンテンツ近傍の不均一な変形(HetDeform)カーネルオフセットを推定する。 実験結果から,HDCVCは最近の最先端の学習ビデオ圧縮手法よりも優れた性能を示した。
  論文  参考訳（メタデータ） (2022-07-11T02:31:31Z)
• Estimating the Resize Parameter in End-to-end Learned Image Compression [50.20567320015102]
  本稿では,最近の画像圧縮モデルの速度歪みトレードオフをさらに改善する検索自由化フレームワークについて述べる。 提案手法により,Bjontegaard-Deltaレート(BD-rate)を最大10%向上させることができる。
  論文  参考訳（メタデータ） (2022-04-26T01:35:02Z)
• Feedback Recurrent Autoencoder for Video Compression [14.072596106425072]
  低レイテンシモードで動作する学習ビデオ圧縮のための新しいネットワークアーキテクチャを提案する。 提案手法は,高分解能UVGデータセット上でのMS-SSIM/レート性能を示す。
  論文  参考訳（メタデータ） (2020-04-09T02:58:07Z)
• A Foreground-background Parallel Compression with Residual Encoding for Surveillance Video [46.49202082648197]
  本稿では,ビデオの前景と背景を別々に抽出・圧縮するビデオ圧縮手法を提案する。 提案手法では、HECVデータセット上で同じPSNR(36dB)を達成するために、従来のアルゴリズムであるH.265より69.5%少ないbpp (bits per pixel) を必要とする。
  論文  参考訳（メタデータ） (2020-01-18T03:35:00Z)

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。