ELIC:不均一グループ化空間チャネル文脈適応符号化による効率的な学習画像圧縮【JST・京大機械翻訳】

He Dailan; Yang Ziming; Peng Weikun; Ma Rui; Qin Hongwei; Wang Yan

プレプリント

J-GLOBAL ID：202202205209345450 整理番号：22P0307536

ELIC:不均一グループ化空間チャネル文脈適応符号化による効率的な学習画像圧縮【JST・京大機械翻訳】

ELIC: Efficient Learned Image Compression with Unevenly Grouped Space-Channel Contextual Adaptive Coding

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (6件)： , , , , ,
資料名：
発行年： 2022年03月21日プレプリントサーバーでの情報更新日： 2022年03月29日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

最近,学習画像圧縮技術は,最良の手動設計損失画像符号器を凌駕して,顕著な性能を達成した。それらは,大規模な採用に有望である。実用性のために,圧縮性能と走行速度の両方に関して,学習された画像圧縮のアーキテクチャ設計の完全な調査が必須である。本論文では,まず,学習画像圧縮におけるエネルギー圧縮の観測により動機付けられた,不均等なチャネル条件適応符号化を提案した。既存のコンテキストモデルと提案した不均等グループ化モデルを結合して,著者らは,実行速度に損害なしで符号化性能を改良するために,空間チャネル文脈適応モデルを得た。次に,主変換の構造を研究し,最先端の速度と圧縮能力を達成するために,効率的なモデルELICを提案した。優れた性能によって,提案モデルは,また,非常に速いプレビュー復号化と進行性復号化を支持して,それは,学習ベースの画像圧縮の来る応用を,より有望にする。【JST・京大機械翻訳】

, , , , , , , , ,
, , , , , 【Automatic Indexing@JST】

図形・画像処理一般

, , , , , ,

前のページに戻る