A Unified Image Preprocessing Framework For Image Compression

要約

ストリーミング メディア テクノロジーの発展に伴い、音声と視覚情報に依存するコミュニケーションが増加しており、オンライン メディアに大きな負担がかかっています。
データ転送とストレージの量を減らすために、データ圧縮はますます重要になっています。
画像圧縮の効率をさらに向上させるために、研究者はさまざまな画像処理方法を利用して、従来のコーデックや高度な学習ベースの圧縮方法の限界を補っています。
画像圧縮指向のアプローチを変更する代わりに、Kuchen と呼ばれる統一された画像圧縮前処理フレームワークを提案します。これは、既存のコーデックのパフォーマンスをさらに向上させることを目的としています。
このフレームワークは、パーソナライズされた前処理をシミュレートするための学習ベースのバックボーンとともに、ハイブリッド データ ラベル付けシステムで構成されています。
私たちが知る限り、これは画像圧縮タスクで統一された前処理ベンチマークを設定する最初の調査です。
結果は、統合された前処理フレームワークによって最適化された最新のコーデックが、最先端の圧縮の効率を常に改善していることを示しています。

要約(オリジナル)

With the development of streaming media technology, increasing communication relies on sound and visual information, which puts a massive burden on online media. Data compression becomes increasingly important to reduce the volume of data transmission and storage. To further improve the efficiency of image compression, researchers utilize various image processing methods to compensate for the limitations of conventional codecs and advanced learning-based compression methods. Instead of modifying the image compression oriented approaches, we propose a unified image compression preprocessing framework, called Kuchen, which aims to further improve the performance of existing codecs. The framework consists of a hybrid data labeling system along with a learning-based backbone to simulate personalized preprocessing. As far as we know, this is the first exploration of setting a unified preprocessing benchmark in image compression tasks. Results demonstrate that the modern codecs optimized by our unified preprocessing framework constantly improve the efficiency of the state-of-the-art compression.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google