Verbesserung der auf Diffusion basierenden wahrnehmungsorientierten Bildkompression durch einen privilegierten End-to-End-Decoder
Ein privilegierter End-to-End-Decoder wird verwendet, um den Sampling-Prozess von Diffusionsmodellen zu korrigieren, um sowohl die Verzerrung als auch die Wahrnehmungsqualität zu verbessern.
Theoretisch fundierte, hierarchische VAE für neuronale Bildcodecs
Durch die Verwendung theoretischer Schranken zur Anleitung des neuronalen Bildcodec-Modells kann dessen Leistung deutlich verbessert werden.
Neuronales Codec mit Laplacian-gesteuertem Entropiemodell und verwischter Synthese für hochwertige Bildkompression
Ein neuronales Bildkompressionsmodell, das die Wahrnehmungsqualität durch einen nicht-isotropen Diffusionsdekoder verbessert. Dieses Dekodermodell trennt die Frequenzkomponenten effektiv, was zu hochqualitativen Rekonstruktionen führt. Darüber hinaus wird ein innovatives Entropiemodell eingeführt, das den Kompromiss zwischen Kompressionseffizienz und Decodierungsgeschwindigkeit optimiert.
Untersuchung der Bildkompression für klasseninkrementelles Lernen
Bildkompression als Strategie zur Verbesserung der Pufferkapazität für exemplarische Vielfalt im kontinuierlichen maschinellen Lernen.
Hochwertige Bildkompression mit scorebasierten generativen Modellen
Diffusion kann die Wahrnehmungsqualität bei gegebener Bitrate verbessern und übertrifft bestehende Ansätze wie PO-ELIC und HiFiC.
Vereinigung von Generation und Kompression: Ultraleichte Bitraten-Bildcodierung über mehrstufige Transformer
Das UIGC-Framework vereint Generation und Kompression für ultraleichte Bildcodierung.
Neuronale Bildkompression mit textgeführter Codierung für Pixel- und perzeptuelle Treue
Textgeführte Codierung verbessert Pixel- und perzeptuelle Qualität.
Verbesserung der Rate-Verzerrungs-Wahrnehmungsflexibilität von gelernten Bildcodecs mit bedingten Diffusionsdecodern
Bedingte Diffusionsmodelle ermöglichen neue Trade-off-Punkte zwischen Verzerrung und Wahrnehmung bei der Bildkompression.
Neuronales Netzwerk unterstützte Lifting-Schritte für verbesserte voll skalierbare verlustbehaftete Bildkompression in JPEG 2000
Zusätzliche neuronale Netzwerk unterstützte Lifting-Schritte verbessern die Bildqualität und Kompressionseffizienz in JPEG 2000.
Region-Adaptive Transform mit Segmentierungspriorität für Bildkompression
Die Einführung von Region-Adaptive Transform und Scale Affine Layer verbessert die Bildkompression durch Segmentierungspriorität.
© 2024 by Linnk AI