JPEG 2000
PulseAugur coverage of JPEG 2000 — every cluster mentioning JPEG 2000 across labs, papers, and developer communities, ranked by signal.
-
事件相机的新压缩方法可改善任务性能预测
研究人员开发了事件相机数据的新压缩方法，该数据可生成海量信息。现有的压缩失真度量无法准确预测这种压缩将如何影响下游任务。本文介绍了两种新颖的压缩流程——一种使用带 JPEG 2000 的直方图帧，另一种使用带 G-PCC 的点云——以及一个面向任务的评估框架。该框架可以高效评估压缩引起的退化，例如在目标检测和特征跟踪等任务中，并证明了新的基于分类的度量可以可靠地预测性能影响。
-
神经网络提升 JPEG 2000 压缩效率
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%。
-
新的压缩技术旨在将面部识别图像压缩到1024字节以内
这篇研究论文探讨了将面部图像压缩到1024字节以下的方法，用于临时旅行证件，通过2D条形码实现机器可读性。研究评估了包括JPEG AI、AVIF和WebP在内的各种压缩格式，以及灰度转换、平滑和调整大小等预处理技术。JPEG AI通过优化设置，在高质量图像的面部识别性能方面表现最佳，而AVIF和WebP也取得了良好的结果。研究结果表明，在识别精度损失最小的情况下，可以实现显著的压缩。
-
新的压缩方法旨在使旅行证件中的面部图像小于1KB
一篇新的研究论文探讨了将面部图像压缩到1024字节以下的方法，用于临时旅行证件，目标是通过2D条形码实现机器可读性。该研究评估了包括JPEG、JPEG 2000、JPEG XL、JPEG AI、HEIF、AVIF和WebP在内的各种压缩格式，以及灰度转换、平滑和调整大小等预处理技术。结果表明，经过优化的JPEG AI在面部识别方面表现最佳，尤其是在高质量图像方面，AVIF和WebP也显示出有希望的结果。