文献

J-GLOBAL ID：202102247767960571   整理番号：21A0672173

雑音のあるチャネルにおける画像伝送のための変分自己符号器アプローチ【JST・京大機械翻訳】

A Variational Auto-Encoder Approach for Image Transmission in Noisy Channel

著者 (6件)： Estiri Amir Hossein (Information, Network, and Learning Lab, Sharif University of Technology,Tehran,Iran) ,  Sabramooz Mohammad Reza (Information, Network, and Learning Lab, Sharif University of Technology,Tehran,Iran) ,  Banaei Ali (Information, Network, and Learning Lab, Sharif University of Technology,Tehran,Iran) ,  Dehghan Amir Hossein (Information, Network, and Learning Lab, Sharif University of Technology,Tehran,Iran) ,  Jamialahmadi Benyamin (Information, Network, and Learning Lab, Sharif University of Technology,Tehran,Iran) ,  Siavoshani Mahdi Jafari (Information, Network, and Learning Lab, Sharif University of Technology,Tehran,Iran)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： IST  ページ： 227-233  発行年： 2020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： 情報技術における最近の進歩とインターネットの広範な利用は,世界中のデータへの容易なアクセスをもたらした。その結果,雑音の多いチャネルによる送信データは避けられない。通信と情報理論において,チャネルノイズによる崩壊からの伝送の間,データの大きさを減らし,それを保護することは,2つの古典的問題である。最近,異なるタスクにおける深いニューラルネットワークの成功に触発されて,深い学習技術を用いてこれら2つの問題に取り組むために多くの研究がなされてきた。本論文では,変分自動エンコーダの性能を調べ,その結果を標準自動エンコーダと比較した。本知見は,変分自動エンコーダが自動エンコーダよりもチャネル劣化に対してロバストであることを示唆する。さらに,著者らのネットワーク損失関数として知覚ベース誤差計量を用いて,再構成画像の人間知覚品質において優れていることを試みた。この目的のために,提案したニューラルネットワークを最適化するための知覚ベースメトリックとして構造類似性指数(SSIM)を用いた。著者らの実験は,SSIM計量が受信機で再構成画像の品質を視覚的に改善することを示した。Copyright 2021 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： 最適化 ,  *雑音 ,  視覚 ,  情報理論 ,  *変分法 ,  学習 ,  損失関数 ,  ネットワーク ,  ニューラルネットワーク ,  受信機 ,  *符号器 ,  ロバスト性 ,  インターネット ,  情報技術
準シソーラス用語： 知覚品質 , 【Automatic Indexing@JST】

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (6件)： 雑音 ,  チャネル ,  画像伝送 ,  変分 ,  自己 ,  符号器