Lossless Compression of Grayscale and Colour Images Using Multidimensional CSE
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
Originally, compression by substring enumeration (CSE) is a lossless compression technique that is intended for strings of bits. As such, the original version is one-dimensional. An extension of CSE for strings drawn from a larger alphabet has later been introduced. Also, CSE has recently been extended to two-dimensional (2D) data. As such, 2D CSE can be used directly to compress images. Unfortunately, CSE generally does not perform on data drawn from large alphabets as well as on binary data. This means that, although we can expect 2D CSE to perform well on bilevel images, we must expect a loss of performance on grayscale and colour images, where the alphabet sizes may be 2 <sup xmlns:mml="http://www.w3.org/1998/Math/MathML" xmlns:xlink="http://www.w3.org/1999/xlink">8</sup> and 2 <sup xmlns:mml="http://www.w3.org/1998/Math/MathML" xmlns:xlink="http://www.w3.org/1999/xlink">24</sup> , respectively, as in common image formats. As a workaround for this difficulty, we propose to handle grayscale and colour images by remaining in the realm of binary data but by extending CSE to higher dimensions. Grayscale images may have the levels of gray of their pixels decomposed into bit planes and, then, get compressed using a 3D CSE. Colour images may have their three colour channels treated as yet another dimension and, then, get compressed using a 4D CSE. Actual empirical measurements are deferred to another paper as we do not have a working implementation of multidimensional CSE yet.
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 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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