Learned Image Compression With Separate Hyperprior Decoders
PulseAugur coverage of Learned Image Compression With Separate Hyperprior Decoders — every cluster mentioning Learned Image Compression With Separate Hyperprior Decoders across labs, papers, and developer communities, ranked by signal.
-
SAR数据压缩与去噪框架部署在FPGA上
研究人员已成功将联合合成孔径雷达（SAR）去噪与数据压缩框架部署到嵌入式FPGA平台。这项工作解决了未来SAR任务中对板载数据缩减的关键需求，以实现近乎实时的地球观测。该研究调整了模型拓扑以满足星载系统的约束，并评估了在不同精度和平台（包括CPU、GPU和FPGA）上的性能。主要发现表明，ReLU激活函数比用于自然图像的激活函数更适合SAR图像，并且FPGA为这项任务提供了最高效的解决方案。
-
AI研究探索模型和数据的先进压缩技术
研究人员正在探索机器学习模型和数据的先进压缩技术。曼彻斯特大学的一项研究调查了基于机器学习的数据压缩的环境可持续性，将训练和推理的碳足迹与存储减少带来的节省进行了比较。另一篇论文介绍了循环神经网络的动态压缩，允许模型选择性地重新访问过去的信息以减小状态大小并提高效率。此外，一个名为BRIDGE 的新框架将模型压缩重新表述为边界搜索问题，使模型能够从性能崩溃中恢复并在不同架构中扩展压缩限制。最后，正在进行关于抗损耗学习图像压缩的研究，以…
-
新算法在无需重新训练的情况下加速学习式图像压缩
研究人员开发了一种新颖的、无需训练的算法，该算法受视频编码中波前并行化的启发，可加速学习式图像压缩。该方法将推理过程重新组织为交错的波前顺序，保持了精确的自回归依赖性，并在没有架构更改的情况下实现了更快的解码。实验表明，对于预先训练的自回归模型，速度提高了13倍以上，对率失真性能的影响很小，并且可以通过权衡精确的上下文依赖性来提供进一步加速的选项。