Image compression with AI
https://venturebeat.com/2018/09/21/ai-helps-pixeldrive-cut-photo-file-sizes-without-affecting-quality/
Seems legit.. thoughts?
相關推薦
Image compression with AI
Thought of asking about this new platform, PixelDrive. Article came out today on VentureBeat:https://venturebeat.com/2018/09/21/ai-helps-pixeldrive-cut-pho
AI-019: 練習：Image compression with K-means
目標：將一張圖片通過減少顏色進行壓縮； 問題描述： 一張128*128的RGB圖片，初始化資料是一個三緯矩陣：128*128*3，前兩個緯度是點的位置，第三緯度對應RGB三色數值； 每中顏色是8位取值0-255；255*255*255種顏色，使用16種顏色進行壓縮； 問
【論文筆記1】RNN在影象壓縮領域的運用——Variable Rate Image Compression with Recurrent Neural Networks
一、引言 隨著網際網路的發展，網路圖片的數量越來越多，而使用者對網頁載入的速度要求越來越高。為了滿足使用者對網頁載入快速性、舒適性的服務需求，如何將影象以更低的位元組數儲存（儲存空間的節省意味著更快的傳輸速度）並給使用者一個低解析度的thumbnails（縮圖）的previ
【論文筆記2】影象壓縮神經網路在Kodak資料集上首次超越JPEG——Full Resolution Image Compression with Recurrent Neural Networks
一、引言 這篇論文提出了一種基於神經網路的全解析度的有損影象壓縮方法，在變壓縮比的情況下無需重複訓練，所以說整個網路只需要訓練一次。論文的內容主要包括如下三個部分： （1）提出了三種影象壓縮框架，分別是基於LSTM的RNN網路、基於關聯LSTM（associative
Hashtags generation and image QA with Watson AI
The results are great! As you can see, Visual Recognition successfully identified Belem Tower and Pena Palace by the confidence score (between 0 and 1) it
2018_CVPR_Interactive Image Segmentation with Latent Diversity
步驟 inter 設計 IE 表示 AR ack per ID 基本信息 CVPR 2018 作者主頁李著文 Interactive Image Segmentation with Latent Diversity 筆記 主要研究內容是交互式圖像分割。偏重於圖像編輯應用領
Note_Fast Image Processing with Fully-Convolutional Networks
ID 耗時 cal CQ 觀測 缺點 conf 有監督 tun 基本介紹 ICCV 2017 Fast Image Processing with Fully-Convolutional Networks 筆記 作者想建立一個神經網絡模型去近似一些圖像裏的操作，比如圖像風
論文閱讀筆記《The Contextual Loss for Image Transformation with Non-Aligned Data》（ECCV2018 oral）
github 區域 偏移 org nbsp 修改 transfer style 但是 目錄： 相關鏈接 方法亮點 相關工作 方法細節 實驗結果 總結與收獲 相關鏈接 論文：https://arxiv.org/abs/1803.02077 代碼：https://
論文閱讀筆記 DeepLabv1：SEMANTIC IMAGE SEGMENTATION WITH DEEP CONVOLUTIONAL NETS AND FULLY CONNECTED CRFS
bar pro 依賴性 後處理 主題 處理 分配 位置 平滑 論文鏈接：https://arxiv.org/abs/1412.7062 摘要 該文將DCNN與概率模型結合進行語義分割，並指出DCNN的最後一層feature map不足以進行準確的語義分割
論文閱讀1《AttnGAN: Fine-Grained Text to Image Generation with Attentional Generative Adversarial Networ》
paper連結https://arxiv.org/abs/1711.10485， code連結https://github.com/taoxugit/AttnGAN， 作者的homepage https://sites.google.com/view/taoxu 本文給出的是CVPR 2
Local Laplacian Filters : Edge-Aware Image Processing with a Laplacian Pyramid
Abstract 因為它是由空間不變的高斯核構造的，所以拉普拉斯金字塔被廣泛認為不適合表示邊緣，以及進行邊緣感知操作。 在本文中，我們展示了使用標準拉普拉斯金字塔的最先進的邊緣軟體處理。 我們使用畫素值上的簡單閾值來表徵邊緣，這使我們能夠區分大規模邊緣和小規模細節。 我們
How to detect and extract forest areas in a aerial image map with the knowledge of DIP
Signal processing is a common subject in electrical engineering, communication engineering and mathematics that deals with analysis and processing
image caption筆記（四）：Image Captioning with Semantic Attention
文章來自cvpr2016 image caption常見的方法包括top-down和bottom-up。Top-down直接做影象到文字的端到端學習，而bottom-up先抽取出一些關鍵詞，
[深度學習] Image Classification影象分類之Bag of Tricks for Image Classification with Convolutional Neural Net
論文全稱：《Bag of Tricks for Image Classification with Convolutional Neural Networks》 論文地址：https://arxiv.org/pdf/1812.01187.pdf 這篇文章主要討論最近這些訓練神經網路的tric
image-to-image translation with conditional adversarial networks文獻筆記
Image-to-Image Translation with Conditional Adversarial Networks （基於條件gan的影象轉影象） 作者：Phillip Isola， Jun-Yan Zhu， Tinghui Zhou， Alexei A. Efros 全文連結：https
Unsupervised Single Image Deraining with Self-supervised Constraints論文閱讀
原文連結：https://arxiv.org/pdf/1811.08575.pdf 文中提到以往的無監督方法因為沒有對應的ground truth來計算mse約束生成影象，因此會產生一些artifacts，還有就是以往的影象轉換任務都是one to one 的transform，而雨的不確定性太
影象拼接--Robust image stitching with multiple registrations
Robust image stitching with multiple registrations ECCV2018 本文使用多個 registrations 來增強影象拼接的效果 標準的影象拼接流程一般為：1）得到一個 single registration
Bag of Tricks for Image Classification with Convolutional Neural Networks
Bag of Tricks for Image Classification with Convolutional Neural Networks，李沐大神18年12月的新作，用卷積神經網路進行影象分類的一些技巧。 論文：Bag of Tricks for Image Classific
2017-ICLR End-To-End Optimized Image Compression論文筆記
摘要 我們描述了一種影象壓縮方法，包括非線性分析變換，均勻量化器和非線性合成變換。變換是在卷積線性濾波器和非線性啟用函式的三個連續階段中構建的。與大多數卷積神經網路不同，選擇聯合非線性來實現區域性增益控制的形式，其靈感來自用於模擬生物神經元的那些。使用隨機梯度下降的變體，我們在訓練影象資料庫上聯合優化整個模
CVPR2018: Generative Image Inpainting with Contextual Attention 論文翻譯、解讀
注：博主是大四學生，翻譯水平可能比不上研究人員的水平，博主會盡自己的力量為大家翻譯這篇論文。翻譯結果僅供參考，提供思路，翻譯不足的地方博主會標註出來，請大家參照原文，請大家多多關照。 未經允許，嚴禁轉載。 0. 譯者序 題目翻譯：基於內容感知生成模型的影象修復 介紹：這篇文章也被稱作d