الأبحاث ضمن الموضوع : تقنيات ضغط البيانات المتقدمة
-
نموذج اللغة الكبير لضغط الصور بدون فقدان مع تلميحات بصرية Large Language Model for Lossless Image Compression with Visual Prompts
2026 | المؤلف: Junhao Du وآخرون | المجلة: IEEE Transactions on Circuits and Systems for Video Technology | المجال: الرؤية الحاسوبية والتعرف على الأنماط (Computer Vision and Pattern Recognition)لقد حسنت التقدمات الحديثة في التعلم العميق بشكل كبير من ضغط الصور بدون فقدان، خاصة من خلال دمج نماذج اللغة الكبيرة (LLMs). تتناول هذه الورقة التحدي المتمثل في استخدام المعرفة النصية المدمجة في LLMs لتحسين نمذجة الإنتروبيا في ضغط الصور بدون فقدان. تتضمن الطريقة المقترحة إنشاء إعادة بناء بفقدان للصور المدخلة لإنشاء تلميحات بصرية، يتم…
-
الانتشار الموجه بالدلالات لتشفير المصدر-القناة العميق في نقل الصور اللاسلكية Semantics-Guided Diffusion for Deep Joint Source-Channel Coding in Wireless Image Transmission
2026 | المؤلف: Maojun Zhang وآخرون | المجلة: IEEE Transactions on Wireless Communications | المجال: الرؤية الحاسوبية والتعرف على الأنماط (Computer Vision and Pattern Recognition)يقدم هذا القسم نظرة عامة على التشتت الموجه بالمعاني DeepJSCC (SGD-JSCC)، وهو نهج مبتكر لترميز المصدر والقناة المشترك (JSCC) يعزز كفاءة النقل من خلال دمج إحصائيات المصدر والقناة. يعتمد SGD-JSCC على إطار DeepJSCC من خلال استخدام شبكة عصبية لإنشاء خريطة مباشرة للإشارات المدخلة إلى رموز القناة، مع معالجة التحديات التي تواجه تكاملات نموذج التشتت (DM)…
-
MLIC ++ : نمذجة الإنتروبيا متعددة المراجع ذات التعقيد الخطي لضغط الصور المتعلم MLIC ++ : Linear Complexity Multi-Reference Entropy Modeling for Learned Image Compression
2026 | المؤلف: Wei Jiang وآخرون | المجلة: ACM Transactions on Multimedia Computing Communications and Applications | المجال: الرؤية الحاسوبية والتعرف على الأنماط (Computer Vision and Pattern Recognition)تقدم البحث نهجًا جديدًا لضغط الصور من خلال تطوير نموذج إنتروبيا متعدد المراجع ذو تعقيد خطي (MEM ++)، الذي يلتقط بفعالية الارتباطات المحلية والفضائية العالمية على مستوى القناة في التمثيلات الكامنة. يتم معالجة تحدي إدارة هذه السياقات بكفاءة، لا سيما في ترميز الصور عالية الدقة، من خلال تقسيم التمثيل الكامن إلى شرائح متعددة. بالنسبة للسياقات…
-
ترميز المصدر-القناة العميق متعدد القفزات مع تقطير التجزئة العميقة لاستعادة الصور المتوافقة دلاليًا
2026 | المؤلف: D. E. BERGSTROM وآخرون | المجلة: ICASSP 2026 – 2026 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP) | المجال: الرؤية الحاسوبية والتعرف على الأنماط (Computer Vision and Pattern Recognition)في هذا البحث، يحقق المؤلفون في نقل الصور باستخدام إطار عمل الترميز المشترك العميق للمصدر والقناة (DeepJSCC) عبر قنوات الضوضاء البيضاء الغاوسية المضافة متعددة القفزات (AWGN). يقومون بتحسين زوج الترميز-فك الترميز DeepJSCC من خلال دمج وحدة تقطير الهاش العميق المدرب مسبقًا (DHD)، والتي تساعد في تجميع الصور بشكل دلالي. لا يحسن هذا النهج فقط جودة…