검색 기능은 준비 중입니다.
검색 기능은 준비 중입니다.

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. ex. Some numerals are expressed as "XNUMX".
Copyrights notice

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. Copyrights notice

Content-Adaptive Optimization Framework for Universal Deep Image Compression 범용 심층 이미지 압축을 위한 콘텐츠 적응형 최적화 프레임워크

Koki TSUBOTA, Kiyoharu AIZAWA

  • 조회수

    0

  • 이것을 인용

요약 :

심층 이미지 압축은 자연 이미지에서 JPEG와 같은 기존 코덱보다 더 나은 성능을 발휘하지만 학습 기반 접근 방식으로는 문제에 직면합니다. 즉, 도메인 외부 이미지의 경우 압축 성능이 크게 저하됩니다. 이 문제를 조사하기 위해 자연 이미지, 선 그리기 및 만화와 같은 임의의 영역에서 이미지를 압축하는 범용 심층 이미지 압축이라는 새로운 작업을 소개합니다. 또한, 우리는 이 작업을 해결하기 위해 콘텐츠 적응형 최적화 프레임워크를 제안합니다. 이 프레임워크는 사전 훈련과 테스트 간의 도메인 격차를 해결하기 위해 테스트 중에 사전 훈련된 압축 모델을 각 대상 이미지에 적용합니다. 각 입력 이미지에 대해 모델의 디코더에 어댑터를 삽입하고 이미지당 전송된 어댑터 매개변수를 사용하여 비율 왜곡 측면에서 인코더와 어댑터 매개변수에 의해 추출된 잠재 표현을 최적화합니다. 제안된 범용 심층 압축의 평가를 달성하기 위해 자연 이미지, 선 그리기, 만화 및 벡터 아트의 네 가지 영역의 비압축 이미지가 포함된 벤치마크 데이터 세트를 구축했습니다. 제안한 방법을 비적응형 압축 방법과 기존 적응형 압축 방법과 비교한 결과, 제안한 방법이 더 나은 성능을 보였다. 우리의 코드와 데이터 세트는 https://github.com/kktsubota/universal-dic에서 공개적으로 제공됩니다.

발행
IEICE TRANSACTIONS on Information Vol.E107-D No.2 pp.201-211
발행일
2024/02/01
공개일
2023/10/24
온라인 ISSN
1745-1361
DOI
10.1587/transinf.2023EDP7114
원고의 종류
PAPER
범주
이미지 처리 및 비디오 처리

작성자

Koki TSUBOTA
  The University of Tokyo
Kiyoharu AIZAWA
  The University of Tokyo

키워드