論文の概要: SCOPE: Semantic COdec Pre-Editing for Object-Preserving Compression
- arxiv url: http://arxiv.org/abs/2610.39778v1
- Date: Thu, 29 Oct 2026 10:29:27 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-02 22:42:48.097297
- Title: SCOPE: Semantic COdec Pre-Editing for Object-Preserving Compression
- Title（参考訳）: SCOPE: オブジェクト保存圧縮のためのセマンティックコデック事前編集
- Abstract要約: SCOPE(Semantic Codec Pre-Editing)は、圧縮前の画像を修正して精度のトレードオフを改善する条件付き画像前編集装置である。
異なるファミリや検出器アーキテクチャに対して一貫した利得を示すとともに、未知の学習やウェーブレットベースの圧縮ファミリへの強い転送可能性を示す。
- 参考スコア（独自算出の注目度）: 7.441436095043801
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Image compression is increasingly used before machine vision systems, yet standard codecs are mainly optimized for human perception rather than downstream task accuracy. We propose SCOPE (Semantic COdec Pre-Editing), a conditional image pre-editor that modifies images before compression to improve the bitrate and detection accuracy trade-off. The model is conditioned on the codec family and compression severity, allowing a single trained network to adapt to multiple compression settings without retraining or loading codec-specific weights. Instead of uniformly preserving the whole image, the pre-editor learns to protect task-relevant regions while simplifying less important background content to improve compressibility. The resulting rate-accuracy curves show consistent gains across different codec families and detector architectures, together with strong transferability to unseen learned and wavelet-based compression families.
- Abstract（参考訳）: 画像圧縮は、マシンビジョンシステムに先立ってますます使われているが、標準コーデックは主に下流のタスク精度よりも人間の知覚に最適化されている。
圧縮前の画像を修正してビットレートと検出精度のトレードオフを改善する条件付き画像前編集装置SCOPE(Semantic Codec Pre-Editing)を提案する。
モデルはコーデックファミリーと圧縮の重大さを条件にしており、コーデック固有の重み付けをリトレーニングしたりロードしたりすることなく、単一のトレーニングされたネットワークが複数の圧縮設定に適応できるようにする。
イメージ全体を均一に保存する代わりに、プレエディタは、重要でないバックグラウンドコンテンツを簡素化して圧縮性を向上させるとともに、タスク関連領域を保護することを学習する。
結果として得られたレート精度曲線は、異なるコーデックファミリーと検出器アーキテクチャ間で一貫した利得を示し、学習やウェーブレットベースの圧縮ファミリに対して強い伝達性を示す。
関連論文リスト
- 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) - 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) - Embedding Compression Distortion in Video Coding for Machines [67.97469042910855]
現在、ビデオ伝送は人間の視覚システム(HVS)だけでなく、分析のための機械認識にも役立っている。
本稿では,機械知覚関連歪み表現を抽出し,下流モデルに埋め込む圧縮歪埋め込み(CDRE)フレームワークを提案する。
我々のフレームワークは,実行時間,パラメータ数といったオーバーヘッドを最小限に抑えて,既存のコーデックのレートタスク性能を効果的に向上させることができる。
論文 参考訳（メタデータ） (2025-03-27T13:01:53Z) - Cross Modal Compression: Towards Human-comprehensible Semantic
Compression [73.89616626853913]
クロスモーダル圧縮は、視覚データのためのセマンティック圧縮フレームワークである。
提案したCMCは,超高圧縮比で再現性の向上が期待できることを示す。
論文 参考訳（メタデータ） (2022-09-06T15:31:11Z) - A Unified Image Preprocessing Framework For Image Compression [5.813935823171752]
そこで我々は,既存のコーデックの性能向上を図るために,Kuchenと呼ばれる統合された画像圧縮前処理フレームワークを提案する。
このフレームワークは、ハイブリッドデータラベリングシステムと、パーソナライズされた前処理をシミュレートする学習ベースのバックボーンで構成されている。
その結果,我々の統合前処理フレームワークによって最適化された現代のコーデックは,常に最先端圧縮の効率を向上することを示した。
論文 参考訳（メタデータ） (2022-08-15T10:41:00Z) - Preprocessing Enhanced Image Compression for Machine Vision [14.895698385236937]
本稿では,マシンビジョンタスクのための前処理による画像圧縮手法を提案する。
私たちのフレームワークは従来の非微分コーデックの上に構築されています。
実験の結果,提案手法は,約20%の節約により,ダウンストリームマシンビジョンタスクのコーディングと性能のトレードオフを向上することが示された。
論文 参考訳（メタデータ） (2022-06-12T03:36:38Z) - Leveraging Bitstream Metadata for Fast, Accurate, Generalized Compressed
Video Quality Enhancement [74.1052624663082]
圧縮ビデオの細部を復元する深層学習アーキテクチャを開発した。
これにより,従来の圧縮補正法と比較して復元精度が向上することを示す。
我々は、ビットストリームで容易に利用できる量子化データに対して、我々のモデルを条件付けする。
論文 参考訳（メタデータ） (2022-01-31T18:56:04Z) - Learning Scalable $\ell_\infty$-constrained Near-lossless Image
Compression via Joint Lossy Image and Residual Compression [118.89112502350177]
本稿では,$ell_infty$-constrained near-lossless image compressionを学習するための新しいフレームワークを提案する。
元の残差の学習確率モデルを定量化し、量子化残差の確率モデルを導出する。
論文 参考訳（メタデータ） (2021-03-31T11:53:36Z) - How to Exploit the Transferability of Learned Image Compression to
Conventional Codecs [25.622863999901874]
本稿では,学習した画像の符号化をサロゲートとして利用して,画像の符号化を最適化する方法を示す。
提案手法は,MS-SSIM歪みをデコードオーバーヘッドを伴わずに20%以上の速度改善で補正するために,従来の画像を再構成することができる。
論文 参考訳（メタデータ） (2020-12-03T12:34:51Z) - Enhanced Standard Compatible Image Compression Framework based on
Auxiliary Codec Networks [8.440333621142226]
Auxiliary Codec Networks (ACNs) に基づく新しい標準互換画像圧縮フレームワークを提案する。
ACNは、既存の画像劣化操作を模倣するように設計されており、コンパクトな表現ネットワークにより正確な勾配を提供する。
本稿では,JPEGおよび高効率ビデオ符号化(HEVC)標準に基づく提案フレームワークが,既存の画像圧縮アルゴリズムを標準互換性で大幅に上回っていることを示す。
論文 参考訳（メタデータ） (2020-09-30T15:42:06Z) - Content Adaptive and Error Propagation Aware Deep Video Compression [110.31693187153084]
本稿では,コンテンツ適応型・誤り伝搬対応型ビデオ圧縮システムを提案する。
本手法では, 複数フレームの圧縮性能を1フレームではなく複数フレームで考慮し, 共同学習手法を用いる。
従来の圧縮システムでは手作りのコーディングモードを使用する代わりに,オンラインエンコーダ更新方式をシステム内に設計する。
論文 参考訳（メタデータ） (2020-03-25T09:04:24Z)
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。