Огляд методів стиснення зображень з використанням глибинного навчання
Вантажиться...
Файли
Дата
Науковий керівник
Редактор
Інші учасники
Відповідальний
ORCID
Назва журналу
Номер ISSN
Назва тому
DOI
Альтернативна назва
A review of image compression methods using deep learning
Анотація
The paper provides an analysis of modern approaches to visual data compression based on neural network architectures. The advantages of using generative adversarial networks (GAN) to maintain visual quality at low bitrates are analyzed.
У роботі проведено аналіз сучасних підходів до стиснення візуальних даних на основі нейромережевих архітектур. Проаналізовано переваги використання генеративно-змагальних мереж (GAN) для збереження візуальної якості при низьких бітрейтах.
У роботі проведено аналіз сучасних підходів до стиснення візуальних даних на основі нейромережевих архітектур. Проаналізовано переваги використання генеративно-змагальних мереж (GAN) для збереження візуальної якості при низьких бітрейтах.
Опис
УДК
Тип документа
Мова
ISSN
Посилання на публікацію
Серія, номер
ISBN
ББК
Інші ідентифікатори
Пов’язані матеріали
Спонсорська підтримка
Правовласник
Бібліографічний опис
Майданюк В. П., Романюк О. Н., Денисюк А. В. Огляд методів стиснення зображень з використанням глибинного навчання // Матеріали LV Всеукраїнської науково-технічної конференції підрозділів ВНТУ, Вінниця, 24-27 березня 2026 р. Електрон. текст. дані. 2026. URI: https://conferences.vntu.edu.ua/index.php/all-fitki/all-fitki-2026/paper/view/27961.
Схвалення
Рецензія
Доповнено
Цитується в
Список використаної літератури (7)
- Майданюк В. П. Теорія та програмне забезпечення кодування зображень: навчальний посібник [Електронний ресурс] / В. П. Майданюк, О. Н. Романюк. - Вінниця : ВНТУ, 2025. – 112 с.
- Kingma, D. P., & Welling, M. (2013). Auto-Encoding Variational Bayes. arXiv preprint arXiv:1312.6114.
- Ballé, J., Laparra, V., & Simoncelli, E. P. (2016). End-to-end optimized image compression. International Conference on Learning Representations (ICLR).
- Ballé, J., Minnen, D., Singh, S., Hwang, S. J., & Johnston, N. (2018). Variational image compression with a scale hyperprior. International Conference on Learning Representations (ICLR).
- Minnen, D., Ballé, J., & Toderici, G. D. (2018). Joint autoregressive and hierarchical priors for learned image compression. Advances in Neural Information Processing Systems (NeurIPS).
- Agustsson, E., Tschannen, M., Mentzer, F., Timofte, R., & Van Gool, L. (2019). Generative Adversarial Networks for Extreme Learned Image Compression. Proceedings of the IEEE/CVF International Conference on Computer Vision (ICCV).
- Toderici, G., Vincent, D., Johnston, N., Jin, S. J., Hwang, D., Minnen, D., ... & Covell, M. (2017). Full Resolution Image Compression with Recurrent Neural Networks. Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition (CVPR).