MétaCan
Menu
Retour à la cohorte
Enregistrement W2116096293 · doi:10.1109/lsp.2003.821661

Quadtree-Based Multiregion Multiquality Image Coding

2004· article· en· W2116096293 sur OpenAlexaff
S. Tasdoken, A. Çuhadar

Notice bibliographique

RevueIEEE Signal Processing Letters · 2004
Typearticle
Langueen
DomaineComputer Science
ThématiqueAdvanced Data Compression Techniques
Établissements canadiensCarleton University
Organismes subventionnairesnon disponible
Mots-clésQuadtreeComputer scienceJPEG 2000JPEGContext-adaptive binary arithmetic codingArtificial intelligenceComputer visionImage compressionCoding (social sciences)Data compressionCoding tree unitImage resolutionPixelFidelityImage processingAlgorithmDecoding methodsImage (mathematics)Mathematics

Résumé

récupéré en direct d'OpenAlex

Region-based video coding schemes employed in MPEG-4 are also promising for still image coding applications where images contain a number of objects that can be encoded at different bit rates, such as compression of medical images for archiving and transmission. Motivated by this fact, in this letter we investigate multiregion multiquality (MRMQ) coding with quadtree-based wavelet coders. We present a novel scheme which addresses the region size sensitivity problem in region-based coding. The proposed method outperforms the region-of-interest (ROI) coding unit of JPEG-2000; it is possible to save 0.3 bits per pixel to attain the same ROI/background fidelity without sacrificing the additional features provided by JPEG-2000, such as resolution scalability and error resilience.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,028
Tête enseignante GPT0,298
Écart entre enseignants0,270 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations9
Publié2004
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Signal Processing LettersMême sujetAdvanced Data Compression TechniquesTravaux en français237 207