Vector quantized variational autoencoder (VQ-VAE) in image compression
Görüntü sıkıştırmada vektör quantized variational autoencoder (VQ-VAE)
- Tez No: 709098
- Danışmanlar: DR. ÖĞR. ÜYESİ JOSEPH WILLIAM LEDET
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2021
- Dil: İngilizce
- Üniversite: Akdeniz Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- 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
- 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
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYeditepe ÜniversitesiVeri Bilimi Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ANDAÇ HAMAMCI
- Unsupervised learning of morphology
Morfolojinin denetimsiz öğrenimi
MÜGE KURAL
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKoç ÜniversitesiVeri Bilimi Ana Bilim Dalı
PROF. DR. DENİZ YURET
- Alt band ayrıştırmasıyla görüntü kodlama
Başlık çevirisi yok
BURÇİN AÇAN
Yüksek Lisans
Türkçe
1998
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
DOÇ. DR. MELİH PAZARCI
- 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
2010
Elektrik ve Elektronik MühendisliğiAnkara ÜniversitesiElektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. H. GÖKHAN İLK
- Türkçede ayrık konuşma tanımı
Başlık çevirisi yok
ERCAN ÖLÇER
Yüksek Lisans
Türkçe
1993
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiPROF. DR. EŞREF ADALI