MétaCan
Menu
Retour à la cohorte
Enregistrement W2169119453 · doi:10.1109/83.841529

Indexing the output points of an LBVQ used for image transform coding

2000· article· en· W2169119453 sur OpenAlexaff
M. Khataie, M. Reza Soleymani

Notice bibliographique

RevueIEEE Transactions on Image Processing · 2000
Typearticle
Langueen
DomaineComputer Science
ThématiqueAdvanced Data Compression Techniques
Établissements canadiensConcordia University
Organismes subventionnairesnon disponible
Mots-clésSearch engine indexingJPEGDiscrete cosine transformTransform codingMathematicsData compressionLattice (music)Image qualityComputer scienceAlgorithmPattern recognition (psychology)Image processingCoding (social sciences)Artificial intelligenceImage (mathematics)Statistics

Résumé

récupéré en direct d'OpenAlex

A new method for indexing the points of a lattice-based vector quantizer (LBVQ) used to quantize the DCT coefficients of images is presented. With this method, a large number of lattice points can be selected as codewords. As a result, the quality of the compressed data can be very high. The problem is that the large number of points results in a high bit rate. To reduce the bit rate, a shorter representation is assigned to the more frequently used lattice points. These points are grouped and a prefix code is used to index these lattice points. Our method outperforms JPEG, particularly, in the case of images with high frequency components.

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 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: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,953
Score d'incertitude au seuil0,724

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 technologies0,0010,000
Communication savante0,0000,003
Science ouverte0,0010,000
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 Opus0,022
Tête enseignante GPT0,305
Écart entre enseignants0,283 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeAutre devis
Domainenon disponible
GenreMéthodes

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

En bref

Citations0
Publié2000
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Image ProcessingMême sujetAdvanced Data Compression TechniquesTravaux en français237 207