擬似残差により導かれた高精度深さマップのエンドツーエンド無損失圧縮【JST・京大機械翻訳】

Wu Yuyang; Gao Wei

プレプリント

J-GLOBAL ID：202202211234673055 整理番号：22P0025432

擬似残差により導かれた高精度深さマップのエンドツーエンド無損失圧縮【JST・京大機械翻訳】

End-to-end lossless compression of high precision depth maps guided by pseudo-residual

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 (2件)： ,
資料名：
発行年： 2022年01月10日プレプリントサーバーでの情報更新日： 2022年01月10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)

空間情報を表す基本的データフォーマットとして,深さマップは信号処理とコンピュータビジョン分野で広く使われている。レーザスキャナやLiDARのような装置の急速な発展により,高精度深さマップの大量量が得られる。したがって,高精度深さマップのためのより良い圧縮比を有する新しい圧縮方法を探究することが急務である。広い拡散深層学習環境を利用して,高精度深さマップのためのエンドツーエンド学習ベース無損失圧縮法を提案した。全プロセスは,深さマップの前処理と処理深さマップの深い無損失圧縮という2つのサブプロセスから成る。深い無損失圧縮ネットワークは,損失圧縮ネットワークと無損失圧縮ネットワークという2つのサブネットワークから成る。残差に対する分布の生成を誘導し,コンテキストモデルを導入するために,擬似残差の概念を利用した。エンドツーエンドの無損失圧縮ネットワークは,工学的コーデック上で競合性能を達成し,計算コストが低い。【JST・京大機械翻訳】

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

図形・画像処理一般 , 符号理論

, , , ,

前のページに戻る