.png){kind=icon}
返回
Efficient JPEG-AI Image Coding for Remote Sensing Semantic Segmentation
.png){kind=icon}
PRE
AI
DOI：10.1109/LGRS.2025.3596235.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
高效图像压缩对遥感（RS）卫星系统至关重要，因为它决定了地面站分析下行图像数据的机器视觉应用的性能。然而，现有的传统或基于学习的图像压缩方法在计算复杂度高或视觉任务性能不佳方面存在局限性。本文研究了一种高效的神经图像压缩标准，即基于JPEG-AI的自监督遥感图像压缩方法SS-JPEG-AI，用于语义分割任务。我们的方法保留了JPEG-AI的低复杂度优势，同时融入了：1）一种计算高效的基于Transformer的注意力机制，在不增加编码器复杂度的情况下提升重建质量，适用于星上系统；2）一种对比学习策略，提高特征判别性并增强分割任务中的类间决策边界。与当前最先进的图像压缩方法相比，SS-JPEG-AI在平均交并比（mIoU）和平均F分数（mFscore）上实现了更好的Bjøntegaard delta-rate（BD-rate）性能，同时计算复杂度最高降低30倍。
Keyword:
JPEG-AI
remote sensing (RS) image compression
semantic segmentation
期刊
IF:
16.4
论文数:
1.0W
被引数:
5.1K
机构
引用论文
SAM-VQA: Supervised Attention-Based Visual Question Answering Model for Post-Disaster Damage Assessment on Remote Sensing ImagerySAM-VQA: 基于监督注意力的遥感影像灾后损失评估视觉问答模型
OAAI
OAAI分享收藏分享收藏Swin Transformer Embedding UNet for Remote Sensing Image Semantic SegmentationSwin变压器嵌入UNet的遥感图像语义分割
PREAI
分享收藏Image Coding For Machines: an End-To-End Learned Approach.png)
ICASSP 2021 - 2021 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP)
OAAI
ICASSP 2021 - 2021 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP)IF0
OAAI分享收藏
查看更多内容