Lossless image coding via one-dimensional grammar based codes
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Lossless image coding is considered from an information theoretic point of view. Three new coding schemes are proposed. In the first coding scheme, an image is first scanned in a quadrant-by-quadrant manner and then encoded by using a one-dimensional grammar-based code which has been developed by Yang and Kieffer (2000) and is called the improved sequential algorithm (or simply the YK algorithm). In the second coding scheme, an image is first predicted by using a context template then scanned in a quadrant-by-quadrant manner, and finally encoded by using the YK algorithm. In the third coding scheme, an image is first scanned in a quadrant-by-quadrant manner and then encoded by using a modified YK algorithm, which also includes a 2D arithmetic code as an option to remove local 2D redundancy. Because of the nature of the YK algorithm and the scanning method, all three coding schemes can remove effectively global redundancy existing in images. Indeed, it is proved that all three coding schemes are universal and outperform asymptotically finite 2D block code and any finite context 2D arithmetic code as the image size gets larger and larger. For small images, however, the second coding scheme is slightly more effective in removing local redundancy occurring in images than does the first coding scheme, and the third one is the best among the three. Simulation results on bi-level images confirm our theoretic results: for images of size 512/spl times/512, our results are comparable with those afforded by JBIG1; for some images of size 1024/spl times/1024, our results are better than those afforded by JBIG1.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
score_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