文献

J-GLOBAL ID：201902214295022973   整理番号：19A2925289

深層学習に基づく画像圧縮に関する知覚品質研究【JST・京大機械翻訳】

Perceptual Quality Study on Deep Learning Based Image Compression

著者 (5件)： Cheng Zhengxue (Department of Computer Science and Communication Engineering, Waseda University, Tokyo, Japan) ,  Akyazi Pinar (Multimedia Signal Processing Group (MMSPG), Ecole Polytechnique Federale de Lausanne (EPFL), Lausanne, Switzerland) ,  Sun Heming (Department of Computer Science and Communication Engineering, Waseda University, Tokyo, Japan) ,  Katto Jiro (Department of Computer Science and Communication Engineering, Waseda University, Tokyo, Japan) ,  Ebrahimi Touradj (Multimedia Signal Processing Group (MMSPG), Ecole Polytechnique Federale de Lausanne (EPFL), Lausanne, Switzerland)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： ICIP  ページ： 719-723  発行年： 2019年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 最近,深い学習に基づく画像圧縮は,客観的品質計量に基づく有望な結果により急速な進歩を遂げた。しかし,そのような圧縮方式に関する厳密な主観的品質評価はほとんど報告されていない。本論文は,学習された圧縮に関する知覚品質研究を目的とした。最初に,一般的な学習圧縮アプローチを構築し,モデルを最適化した。本研究では,全体で6つの圧縮アルゴリズムを検討した。次に,高分解能画像を用いて制御環境における主観的品質試験を行った。結果は,MS-SSIMによって最適化された学習された圧縮が,最先端の圧縮の効率に近づく競合結果をもたらすことを実証した。得られた結果は,学習画像圧縮における将来の開発のための有用なベンチマークを提供できる。Copyright 2020 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *画像圧縮 ,  *品質 ,  アルゴリズム ,  ベンチマーク ,  最適化 ,  品質検査 ,  *学習
準シソーラス用語： 構造的類似性 ,  高精細画像 ,  主観的品質評価 ,  知覚品質 ,  *深層学習 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (4件)： 深層学習 ,  画像圧縮 ,  知覚品質 ,  研究