본 논문에서는 압축된 이미지의 잠재 특징을 활용하여 디노이징 프로세스를 가속화하고 재구성 품질을 향상시키는 새로운 확산 기반 초저비트율 이미지 압축 방법인 RDEIC를 제안합니다.
GABIC는 이미지 압축에서 중복 특징을 줄이기 위해 k-NN 기반 그래프 주의 메커니즘을 사용하여 특히 높은 비트 전송률에서 압축 성능을 향상시키는 새로운 방법입니다.
본 논문에서는 인과적 컨텍스트 조정 손실(CCA-loss)을 제안하여 학습 기반 이미지 압축에서 자동 회귀 엔트로피 모델의 예측 정확도를 향상시키고, 컨볼루션 신경망 기반의 효율적인 이미지 압축 모델을 설계하여 최첨단 압축 성능과 빠른 처리 속도를 동시에 달성했습니다.
이 논문에서는 인간의 시각적 인식과 머신 비전 작업 모두에 높은 성능을 발휘하는 콘텐츠 적응형 확산 기반 이미지 압축 프레임워크를 제안합니다.
본 논문에서는 이미지 압축률을 높이고 전송 과정에서 보안을 강화하기 위해 복원 손실과 잔차 손실을 결합한 새로운 손실 함수를 사용하는 자동 인코더 아키텍처를 제안합니다.