PulseAugur
实时 12:09:04
English(EN) Fast Trainable Multilinear Bases for Image Compression

新型可训练基在图像压缩方面超越JPEG

研究人员开发了一种使用可训练多线性基进行图像压缩的新方法,该方法借鉴了量子多体理论。这些基以等距张量网络的形式参数化,并在酉矩阵上进行优化,旨在提高压缩效率,超越离散傅里叶变换和离散余弦变换等传统方法。新方法在性能上持续优于固定的非参数基,在压缩Quick Draw线条图方面表现尤为突出,在同等重建质量下,其字节数比JPEG减少了约20%。 AI

影响 有望实现更高效的图像和视频压缩,从而影响存储和传输成本。

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=0.4]

在 arXiv cs.LG 阅读 →

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

新型可训练基在图像压缩方面超越JPEG

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Shiwen An, Zhongyi Ni, Huanhai Zhou, Jin-Guo Liu ·

    Fast Trainable Multilinear Bases for Image Compression

    arXiv:2608.00053v1 Announce Type: cross Abstract: The Discrete Fourier Transform, the Discrete Cosine Transform, and their block-wise variants underpin most deployed image and video codecs. Their effectiveness rests on three properties: they run in near-linear time (linear up to …