.png){kind=icon}
返回
Single model learned image compression utilizing multiple scaling factors
.png){kind=icon}
OA
AI
DOI：10.1016/j.jvcir.2025.104541.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
• 我们通过多个缩放因子，使用单一模型实现可变率压缩。
• 我们引入了通道级量化补偿，并采用切片特定的步长。
• 我们的方法支持连续速率自适应，无需额外参数。
• 对较大的拉格朗日乘数进行加权训练，可在所有速率下提升性能。
• 我们在CNN、Transformer以及混合CNN-Transformer模型上验证了我们的方法。
Keyword:
Image compression
Variable rate compression
Multiple scaling factors
Continuous rate adaptation
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
3.1
论文数:
538
被引数:
5.6K
机构
引用论文
I. Adamopoulos, A. Valamontes, J. T. Karantonis, P. P. Tropaitis, and N. Syrou, “Enhancing economic growth time series for UAE forecasting with deep learning: A Seq2Seq and attention-driven LSTM approach,” in EDRAAK, vol. 2025, pp. 62–75, 2025.I. Adamopoulos, A. Valamontes, J. T. Karantonis, P. P. Tropaitis和N. Syrou, “使用深度学习增强阿联酋经济增速时间序列预测：一种Seq2Seq和注意力驱动的LSTM方法,” 刊载于EDRAAK, 卷2025, 第62-75页, 2025年..png)
IF0
PREAI
分享收藏