実用的な学習型画像圧縮において重要なのは何か
本文の状態
日本語全文を表示中
詳細モードで約1分の本文を読めます。
同じ出来事の情報源
この情報源を基点に整理
Apple Machine Learning
研究者らは、人間の視覚系に最適化された実用的な画像コーデックの設計における重要なモデル選択を包括的に研究し、知覚品質と実行時間の両立を目指す。
Continue in AI NEW LAB
このニュースを、実務の判断につなげる
AI NEW LABで、試したことや先に確認したい条件を共有できます。まずはログインなしで読めます。
AI NEW LABで論点を見るSource Article
元記事を日本語で読む
本文に関係しない購読案内、埋め込み通知、サイト内プロモーションは除いています。
従来のハードコード型コーデックと比較して、学習型コーデックが実現する主要な差別化要因の一つは、人間の視覚系に直接最適化できる能力です。この可能性にもかかわらず、知覚的かつ実用的な画像コーデックはまだ提案されていません。本研究では、このギャップを埋めることを目指します。私たちは、知覚品質と実行時間の両面で共同最適化された実用的な学習型画像コーデックの設計を支配する主要なモデル選択について包括的な調査を行い、その中にはいくつかの新しい技術もアブレーション（除去実験）として含めています。その後、性能を意識したニューラル…
原文を表示
One of the major differentiators unlocked by learned codecs relative to their hard-coded traditional counterparts is their ability to be optimized directly to appeal to the human visual system. Despite this potential, a perceptual yet practical image codec is yet to be proposed. In this work, we aim to close this gap. We conduct a comprehensive study of the key modeling choices that govern the design of a practical learned image codec, jointly optimized for perceptual quality and runtime — including within the ablations several novel techniques. We then perform performance-aware neural…
関連記事
今日のまとめ
AIデイリーブリーフで今日の重要ニュースをまとめ読み