PulseAugur
中
实时 07:20:57
English(EN) Neural Network Assisted Lifting Steps For Improved Fully Scalable Lossy Image Compression in JPEG 2000

神经网络提升 JPEG 2000 压缩效率

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一种新颖的方法，通过集成神经网络辅助提升步骤来增强 JPEG 2000 标准内的有损图像压缩。这些附加步骤旨在减少残余冗余并在较低分辨率下提高图像质量。该方法使用紧凑型神经网络，其一组训练参数可应用于所有分解级别和比特率，已证明在保持 JPEG 2000 可伸缩特性的同时，平均比特率节省高达 17.4%。 AI

影响 这项研究可能带来更高效的图像压缩技术，从而影响视觉数据的存储和传输。

排序理由 详细介绍图像压缩新方法的学术论文。[lever_c_demoted from research: ic=1 ai=0.7]

在 arXiv cs.CV 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

神经网络提升 JPEG 2000 压缩效率

报道来源 [1]

  1. arXiv cs.CV TIER_1 English(EN) · Xinyue Li, Aous Naman, David Taubman ·

    用于改进 JPEG 2000 全可伸缩有损图像压缩的神经网络辅助提升步骤

    arXiv:2403.01647v2 Announce Type: replace Abstract: This work proposes to augment the lifting steps of the conventional wavelet transform with additional neural network assisted lifting steps. These additional steps reduce residual redundancy (notably aliasing information) amongs…

相关话题