Geri Dön

Vector quantized variational autoencoder (VQ-VAE) in image compression

Görüntü sıkıştırmada vektör quantized variational autoencoder (VQ-VAE)

  1. Tez No: 709098
  2. Yazar: ALİ İSKİF
  3. Danışmanlar: DR. ÖĞR. ÜYESİ JOSEPH WILLIAM LEDET
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2021
  8. Dil: İngilizce
  9. Üniversite: Akdeniz Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
  13. Sayfa Sayısı: 40

Özet

Sinir ağlarını kullanarak görüntü sıkıştırma, özellikle yüksek çözünürlüklü kameralara sahip akıllı telefonların yaygın olarak bulunmasıyla, son yıllarda çok fazla ilgi gördü ve bu da çekilen fotoğraf sayısında katlanarak arttı. Kayıpsız bir sıkıştırma modeli oluşturmak için tek ihtiyacımız olan, sıkıştırılacak verinin bir olasılık dağılımı ve veriyi bir bit akışına dönüştürmek için dağıtımı kullanan bir entropi kodlama tekniğidir. Bu tezde, Variational Autoencoder VAE'nin yeni varyantı olan Vector Quanized Variational Autoencoder (VQ-VAE)'nin, veriyi bir bit akışına dönüştürmek için iyi bilinen bir kayıpsız sıkıştırma tekniğinde omurga olasılıksal gizli değişkenler modeli olarak kullanımını sunuyoruz. Bits Back kodlama olarak bilinir ve ANS ile kayıpsız görüntü sıkıştırma şemasında entropi kodlama algoritması olarak“asimetrik sayı sistemleri”olarak bilinir.

Özet (Çeviri)

Image compression using neural networks has gotten a lot of attention in recent years, especially with the widespread availability of smartphones with high-resolution cameras, which has resulted in an exponential increase in the number of photographs shot. To create a lossless compression model, all we need is a probability distribution of the data to be compressed and an entropy coding technique that uses the distribution to convert data to a bitstream. In this thesis, we present the usage of new variant of Variational Autoencoder VAE which is Vector Quanized Variational Autoencoder (VQ-VAE) as the backbone probabilistic latent variables model in a well-known lossless compression technique as a distribution to convert data to a bitstream known as Bits Back coding and, with ANS“asymmetric numeral systems”as the entropy coding algorithm in lossless image compression scheme.

Benzer Tezler

  1. Generating anatomical dental wax-ups using a 3d latent diffusion model

    3d gizli difüzyon modeli kullanarak anatomik diş wax-up'lari üretimi

    SELAHATTİN SERDAR HELLİ

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYeditepe Üniversitesi

    Veri Bilimi Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ ANDAÇ HAMAMCI

  2. Unsupervised learning of morphology

    Morfolojinin denetimsiz öğrenimi

    MÜGE KURAL

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKoç Üniversitesi

    Veri Bilimi Ana Bilim Dalı

    PROF. DR. DENİZ YURET

  3. Alt band ayrıştırmasıyla görüntü kodlama

    Başlık çevirisi yok

    BURÇİN AÇAN

    Yüksek Lisans

    Türkçe

    Türkçe

    1998

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    DOÇ. DR. MELİH PAZARCI

  4. Düşük veri hızlarında çalışan konuşma kodlayıcılarına gürbüz bilgi saklama ve damgalama

    Robust data hiding and watermarking in low bit-rate speech coders

    AHMET UTKU YARGIÇOĞLU

    Doktora

    Türkçe

    Türkçe

    2010

    Elektrik ve Elektronik MühendisliğiAnkara Üniversitesi

    Elektronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. H. GÖKHAN İLK

  5. Türkçede ayrık konuşma tanımı

    Başlık çevirisi yok

    ERCAN ÖLÇER