文献

J-GLOBAL ID：202202286486183935   整理番号：22A0287266

損失なし画像符号化のための動的ニューラルネットワーク【JST・京大機械翻訳】

Dynamic Neural Network for Lossy-to-Lossless Image Coding

著者 (4件)： Dardouri Tassnim (L2TI, UR 3043, Universite ́ Sorbonne Paris Nord, Villetaneuse, France) ,  Kaaniche Mounir (L2TI, UR 3043, Universite ́ Sorbonne Paris Nord, Villetaneuse, France) ,  Benazza-Benyahia Amel (LR11TIC01, COSIM Laboratory, SUP’COM, University of Carthage, El Ghazala, Tunisia) ,  Pesquet Jean-Christophe (Centre de Vision Numerique, Universite ́ Paris-Saclay, CentraleSupe ́lec, Inria, Gif-sur-Yvette, France)
資料名： IEEE Transactions on Image Processing  (IEEE Transactions on Image Processing)
巻： 31  ページ： 569-584  発行年： 2022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： リフティングベースのウェーブレット変換は,様々なタイプの視覚データの効率的圧縮のために広く使用されてきた。一般的に,このような符号化方式の性能は,用いたリフティング演算子,すなわち予測と更新フィルタに強く依存する。線形フィルタに基づく従来の方式とは異なり,本論文では,ニューラルネットワークを利用してこれらの演算子を学習することを提案する。より正確に,古典的完全接続ニューラルネットワーク(FCNN)アーキテクチャを,予測と更新を実行するために最初に採用する。次に,符号化される入力画像をより良く考慮するために,このFCNNベースのLiftingスキーム(LS)を改善することを提案する。したがって,新しい動的FCNNモデルを開発し,2つの適応学習技術を提案する入力画像コンテンツに順応する学習プロセスを作成した。最初のものは2種類の変数の計算が交互方式で実行される反復アルゴリズムに頼っているが,第2の学習方法は損失関数の再定式化を通してモデルパラメータを直接学習することを目的とする。種々の試験画像で行った実験結果は,損失と損失のない画像圧縮の文脈において,提案した方法の利点を示した。Copyright 2022 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： アルゴリズム ,  演算子 ,  視覚 ,  フィルタ ,  学習 ,  損失関数 ,  *ニューラルネットワーク ,  画像圧縮 ,  定式化 ,  計算機アーキテクチャ ,  *画像符号化 ,  ウェーブレット変換
準シソーラス用語： 適応学習 ,  線形フィルタ ,  モデルパラメータ ,  反復アルゴリズム , 【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 (3件)： 損失 ,  画像符号化 ,  動的ニューラルネットワーク