Streaming Neural Images

要約

Implicit Neural Representations (INR) は、画像圧縮において大きな関心を集めている信号表現の新しいパラダイムです。
INR は信号解像度とメモリ効率において前例のない利点をもたらし、圧縮技術の新たな可能性を可能にします。
しかし、画像圧縮における INR の既存の制限については、文献では十分に取り上げられていません。
この研究では、計算コスト、不安定なパフォーマンス、堅牢性など、重要でありながら見落とされている INR の制限要因を調査します。
広範な実験と経験的分析を通じて、フーリエ特徴ネットワークや Siren などの暗黙的ニューラル画像圧縮手法について、より深く、より微妙な理解を提供します。
私たちの研究は、この分野の将来の研究に貴重な洞察も提供します。

要約(オリジナル)

Implicit Neural Representations (INRs) are a novel paradigm for signal representation that have attracted considerable interest for image compression. INRs offer unprecedented advantages in signal resolution and memory efficiency, enabling new possibilities for compression techniques. However, the existing limitations of INRs for image compression have not been sufficiently addressed in the literature. In this work, we explore the critical yet overlooked limiting factors of INRs, such as computational cost, unstable performance, and robustness. Through extensive experiments and empirical analysis, we provide a deeper and more nuanced understanding of implicit neural image compression methods such as Fourier Feature Networks and Siren. Our work also offers valuable insights for future research in this area.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google