ELIC: ضغط صور متعلم فعّال مع ترميز متكيف حسب السياق المكاني-القناة المُجمّع بشكل غير متساوٍ

في الآونة الأخيرة، حققت تقنيات ضغط الصور المستندة إلى التعلم أداءً ملحوظًا، حتى تفوقت في بعض الأحيان على أفضل مُشفّرات الصور الخاسرة المصممة يدويًا. وتُعد هذه التقنيات واعدة بانتشار واسع النطاق. وبالنظر إلى الجوانب العملية، فإن التحقيق الشامل في تصميم الهيكل المعماري لضغط الصور المستند إلى التعلم، من حيث الأداء في الضغط وسرعة التشغيل، أصبح أمرًا ضروريًا. في هذه الورقة، نُقدّم أولًا تقنية تشفير تكيفي غير متساوٍ للقنوات بناءً على الظروف، مستوحاة من ملاحظة تجميع الطاقة في تقنيات ضغط الصور المستندة إلى التعلم. وبدمج النموذج المُقترح للفصل غير المتساوٍ مع النماذج السياقية الحالية، نحصل على نموذج سياقي فضائي-قناة تكيفي يُحسّن أداء التشفير دون التأثير على سرعة التشغيل. ثم ندرس هيكل التحويل الرئيسي، ونُقدّم نموذجًا فعّالًا يُسمى ELIC، لتحقيق أفضل أداء في السرعة والقدرة على الضغط. وبفضل الأداء المتميز، يدعم النموذج المُقترح أيضًا فك التشفير السريع جدًا وفك التشفير التدريجي، مما يجعل تطبيقات ضغط الصور المستندة إلى التعلم في المستقبل أكثر واعدة.