論文の概要: Channel-Level Mask Guidance for Slimmable Image Compression

• arxiv url: http://arxiv.org/abs/2610.27037v1
• Date: Mon, 19 Oct 2026 17:19:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-21 21:58:47.436691
• Title: Channel-Level Mask Guidance for Slimmable Image Compression
• Title（参考訳）: Slimmable Image Compressionのためのチャンネルレベルマスクガイダンス
• Abstract要約: チャネルレベルのマスク誘導スリムブル画像圧縮法を提案する。 スパーシティプロモーティング正規化を備えた学習可能なチャネルワイドマスクは、非連続的なトップWチャネル選択を可能にする。 E2E、Hyperprior、CheckerboardのバックボーンにまたがるKodakの実験は、より優れたレート歪み性能を示している。
• 参考スコア（独自算出の注目度）: 17.13452440787285
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Learned image compression (LIC) has achieved promising rate-distortion performance, but most methods lack scalability for diverse platforms with varying computational and storage constraints. Existing slimmable LIC methods achieve flexible complexity via consecutive-channel activation but suffer from two limitations: forced consecutive-channel selection degrades narrow-model performance at low bitrates, and the lack of stable variable-rate control limits adaptability to varying bandwidth. We propose a channel-level mask-guided slimmable image compression method. A learnable channel-wise mask with sparsity-promoting regularization enables non-contiguous top-w channel selection, letting narrow models use the most informative channels. After training, mask merging and channel reordering convert the model into a standard slimmable network via Mask-to-Slimmable (M2S) conversion, enabling efficient inference without architectural changes. For variable-rate control, we combine lambda- and width-conditioned modulation with quantization-step scaling and a progressive training pipeline stabilized by a freeze-then-fine-tune strategy. Experiments on Kodak across E2E, Hyperprior, and Checkerboard backbones show superior rate-distortion performance across widths and bitrates, with large gains for narrow models at low bitrates. At w=48, it achieves up to 19.22%, 24.11%, and 22.76% BD-rate savings over the same-width Slimmable baseline on E2E, Hyperprior, and CKBD, respectively. A single VBR model replaces 40 independent models, reducing storage by 14.8x to 15.9x. Code: https://github.com/sjtu-tcloud/MGSIC.
• Abstract（参考訳）: 学習された画像圧縮(lic)は高い速度歪み性能を達成しているが、ほとんどの手法では計算量や記憶量に制約がある多種多様なプラットフォームに対するスケーラビリティが欠如している。 既存のSlimmable LIC法は、連続チャネルのアクティベーションによって柔軟な複雑性を実現するが、2つの制限がある: 強制的な連続チャネル選択は、低ビットレートでの狭いモデル性能を低下させ、安定な可変レート制御の制限が様々な帯域幅に適応できない。 チャネルレベルのマスク誘導スリムブル画像圧縮法を提案する。 スパーシティプロモーティング正規化を備えた学習可能なチャネルワイドマスクは、非連続的なトップWチャネル選択を可能にし、狭いモデルで最も有益なチャネルを使用することができる。 トレーニングの後、マスクマージとチャネルリオーダーは、モデルをMask-to-Slimmable (M2S)変換を介して標準のスリム化可能なネットワークに変換し、アーキテクチャの変更なしに効率的な推論を可能にする。 可変レート制御では、ラムダと幅条件変調を量子化ステップスケーリングとフリーズ・then-fine-tune戦略によって安定化されたプログレッシブトレーニングパイプラインを組み合わせる。 E2E、Hyperprior、CheckerboardのバックボーンにまたがるKodakの実験では、幅とビットレート間での速度歪み性能が向上し、ビットレートの狭いモデルでは大きな利得が得られた。 w=48では、それぞれE2E、Hyperprior、CKBDの同じ幅のスリムなベースライン上で19.22%、24.11%、22.76%のBDレートを節約できる。 単一のVBRモデルは40個の独立したモデルに置き換わり、ストレージを14.8倍から15.9倍に減らした。 コード:https://github.com/sjtu-tcloud/MGSIC

関連論文リスト

• AdaptiveLoad: Towards Efficient Video Diffusion Transformer Training [20.685495573513666]
  大規模なビデオ拡散変換器(DiTやMMDiTなど)の訓練は、重要な計算課題となっている。 既存のバケットベースのデータローディング戦略は、“同じトークン長”の制約に依存している。 本稿では,2つのコアコンポーネントからなる統合フレームワークであるtextitLoadを提案する。
  論文  参考訳（メタデータ） (2026-05-18T06:30:31Z)
• 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)
• Temporal Action Detection Model Compression by Progressive Block Drop [19.122679098124816]
  時間的アクション検出(TAD)は、未トリミングビデオ中のアクションインスタンスを識別し、ローカライズすることを目的としている。 より大きな特徴抽出器とデータセットによって駆動されるモデル性能の最近の改善は、計算要求の増大につながった。 層幅を維持しながらモデル深さを低減するプログレッシブ・ブロック・ドロップ法を提案する。 提案手法は2つのTADベンチマークで計算オーバーヘッドを25%削減する。
  論文  参考訳（メタデータ） (2025-03-21T07:26:55Z)
• Frequency-Aware Transformer for Learned Image Compression [64.28698450919647]
  学習画像圧縮(lic)のためのマルチスケール指向性アナリシスを初めて実現した周波数認識変換器(FAT)ブロックを提案する。 FATブロックは、自然画像のマルチスケールおよび指向性周波数成分をキャプチャするための周波数分解ウィンドウアテンション(FDWA)モジュールを含む。 また、周波数変調フィードフォワードネットワーク(FMFFN)を導入し、異なる周波数成分を適応的に変調し、周波数歪み性能を向上させる。
  論文  参考訳（メタデータ） (2023-10-25T05:59:25Z)
• High-Fidelity Variable-Rate Image Compression via Invertible Activation Transformation [24.379052026260034]
  Invertible Activation Transformation (IAT) モジュールを提案する。 IATとQLevelは、画像圧縮モデルに、画像の忠実さを良く保ちながら、細かな可変レート制御能力を与える。 提案手法は,特に複数再符号化後に,最先端の可変レート画像圧縮法よりも大きなマージンで性能を向上する。
  論文  参考訳（メタデータ） (2022-09-12T07:14:07Z)

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。