文献

J-GLOBAL ID：201902231596927612   整理番号：19A2400188

画像圧縮のための深い学習に基づく画像ごとの顕著な歪予測モデル【JST・京大機械翻訳】

Deep Learning-Based Picture-Wise Just Noticeable Distortion Prediction Model for Image Compression

著者 (7件)： Liu Huanhua (School of Computer Science and Engineering, Central South University, Changsha, China) ,  Zhang Yun (Shenzhen Institutes of Advanced Technology, Chinese Academy of Sciences, Shenzhen, China) ,  Zhang Huan (Shenzhen Institutes of Advanced Technology, Chinese Academy of Sciences, Shenzhen, China) ,  Fan Chunling (Shenzhen Institutes of Advanced Technology, Chinese Academy of Sciences, Shenzhen, China) ,  Kwong Sam (Department of Computer Science, City University of Hong Kong, Hong Kong) ,  Kuo C.-C. Jay (Ming Hsieh Department of Electrical Engineering, University of Southern California, Los Angeles, CA, USA) ,  Fan Xiaoping (School of Information Technology and Management, Hunan University of Finance and Economics, Changsha, China)
資料名： IEEE Transactions on Image Processing  (IEEE Transactions on Image Processing)
巻： 29  ページ： 641-656  発行年： 2020年 
JST資料番号： W0364A  ISSN： 1057-7149  CODEN： IIPRE4  資料種別： 逐次刊行物 (A)
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： 人間の視覚システムが知覚することができるという画像の最小差を説明する画像Wise Just Noticable Difference(PW-JND)は,知覚指向画像とビデオ処理において広く使用できる。しかしながら,従来のJust Noticable Difference(JND)モデルは,各画素またはサブバンドに対するJND閾値を別々に計算し,これは画像の全マスキング効果を正確に反映しない可能性がある。本論文では,画像圧縮のための深い学習に基づくPW-JND予測モデルを提案した。まず第一に,マルチクラス分類問題としてPW-JNDを予測するタスクを定式化し,一つの二値分類器によって解決された二値分類問題にマルチクラス分類問題を変換するフレームワークを提案する。第二に,著者らは,画像がもう一つまたはそうでないかどうかを予測することができる,知覚的損失性/無損失予測子と呼ばれる深い学習ベースの二値分類器を構築する。最後に,著者らは,知覚的損失性/無損失予測子の予測結果に基づいて,PW-JNDを予測するためのスライディングウィンドウに基づく探索戦略を提案した。実験結果により,知覚損失/無損失予測器の平均精度は92%に達し,提案したPW-JNDモデルの絶対予測誤差は平均で0.79dBであり,従来のJNDモデルに対する提案PW-JNDモデルの優位性を示した。Copyright 2019 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 ,  予測誤差 ,  定式化 ,  *画像 ,  *学習 ,  *予測 ,  *予測モデル ,  画素 ,  録画装置
準シソーラス用語： 予測器 ,  スライディングウィンドウ ,  予測子 ,  無損失 ,  二値分類 ,  サブバンド , 【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)： 画像圧縮 ,  学習 ,  歪 ,  予測モデル