MétaCan
Menu
Retour à la cohorte
Enregistrement W2163649293 · doi:10.1109/dcc.2008.81

Can Lower Resolution Be Better?

2008· article· en· W2163649293 sur OpenAlex

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueDCC · 2008
Typearticle
Langueen
DomaineComputer Science
ThématiqueImage and Signal Denoising Methods
Établissements canadiensMcMaster University
Organismes subventionnairesnon disponible
Mots-clésComputer scienceOversamplingLossy compressionArtificial intelligenceComputer visionSampling (signal processing)JPEGImage compressionImage resolutionImage qualityRate–distortion theoryJPEG 2000Nyquist rateData compressionFilter (signal processing)Image processingImage (mathematics)Bandwidth (computing)Telecommunications

Résumé

récupéré en direct d'OpenAlex

Recently, many researchers started to question a long-standing paradox in the engineering practice of digital photography: oversampling followed by compression, and pursue more intelligent sparse sampling techniques. In this research we take a practical approach of uniform down sampling in image space, and the sampling is made adaptive by a spatially varying directional low-pass prefiltering. Since the down-sampled prefiltered image is a low-resolution image of conventional square sample grid, it can be compressed and transmitted without any change to current image coding standards and systems. The decoder first decompresses the low-resolution image and then upsamples it to the original resolution by least-square estimation using a 2D piecewise autoregressive model and the knowledge of directional low-pass filter. The proposed joint adaptive down-sampling and up-sampling technique outperforms JPEG 2000 (the state-of-the-art in lossy image coding) in PSNR measure at low to modest bit rates and achieves superior visual quality at all bit rates. This work shows that oversampling not only increases cost and energy consumption, but it could, even when coupled with a sophisticated rate-distortion optimized compression scheme, cause inferior image quality at certain bit rates.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,668
Score d'incertitude au seuil0,217

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,038
Tête enseignante GPT0,271
Écart entre enseignants0,233 · 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