Concepts de base
提案されたCSCNetフレームワークは、ローカル構造サンプリングを使用して画像CSコーディングを行い、高速な計算速度を維持しながら他の最先端のCSコーディング手法を上回ることが示されました。
Résumé
本論文では、従来の画像取得システムが適していないリソース不足のビジュアル通信や医療画像アプリケーションにおける新しいパラダイムである圧縮センシング(CS)技術に焦点を当てています。提案されたCSCNetフレームワークは、ローカル構造サンプリング、測定符号化、ラプラスピラミッド再構築の3つの機能モジュールから成り立っており、従来のCSコーディング手法を凌駕する性能を示しました。具体的には、局所知覚サンプリング戦略を介して測定間の相関性を向上させる新しい局所構造サンプリング行列が開発されました。このフレームワークでは、既存の第三者画像コーデックを使用して最終ビットストリームに符号化された測定値が生成されます。また、ラプラスピラミッド再構築ネットワークも提案されており、目標画像を効率的に回復します。
Stats
従来のランダムサンプリング行列よりも高い相関性を持つ局所構造サンプリング行列が開発されました。
提案されたCSCNetは他のCSコーディング手法よりも優れた性能を示しました。
測定間の高い相関性が保持されることで効率的な測定符号化が実現されました。
ラプラスピラミッド再構築ネットワークによって目標画像が効率的に回復されました。
Citations
"Extensive experimental results demonstrate that the proposed scheme outperforms the existing state-of-the-art CS coding methods, while maintaining fast computational speed."
"The proposed framework can be trained in an end-to-end manner, which facilitates the communication among different functional modules for better coding performance."