[논문 리뷰] A Fast Quantum Image Compression Algorithm based on Taylor Expansion

Vu Tuan Hai, Huynh Ho Thi Mong Trinh외 1명|ArXiv.org|2025. 02. 15.

Quantum Computing Algorithms and Architecture인용 수 3

한 줄 요약

본 논문은 Fast QIC를 제시한다, 매개변수화된 양자 회로와 1차 테일러 확장을 이용해 반복 횟수와 압축 손실을 줄이는 하이브리드 양자-고전 이미지 압축 방법을 Lenna와 Cameraman 이미지에 대해 시연한다.

ABSTRACT

With the increasing demand for storing images, traditional image compression methods face challenges in balancing the compressed size and image quality. However, the hybrid quantum-classical model can recover this weakness by using the advantage of qubits. In this study, we upgrade a quantum image compression algorithm within parameterized quantum circuits. Our approach encodes image data as unitary operator parameters and applies the quantum compilation algorithm to emulate the encryption process. By utilizing first-order Taylor expansion, we significantly reduce both the computational cost and loss, better than the previous version. Experimental results on benchmark images, including Lenna and Cameraman, show that our method achieves up to 86\% reduction in the number of iterations while maintaining a lower compression loss, better for high-resolution images. The results confirm that the proposed algorithm provides an efficient and scalable image compression mechanism, making it a promising candidate for future image processing applications.

연구 동기 및 목표

• 크기와 품질의 균형을 맞춘 효율적인 이미지 압축의 필요성을 제기한다.
• 매개변수화된 양자 회로를 이용한 하이브리드 양자-고전 이미지 압축기를 제안한다.
• 1차 테일러 확장과 인접 정보 재사용을 통해 계산 비용과 손실을 감소시킨다.
• 이전 양자 압축 방법에 비해 표준 테스트 이미지에서 실험적 개선을 보인다.

제안 방법

• 블록 단위 PQC와 tunable unitary U(θ)를 사용하여 이미지 블록을 양자 상태로 인코딩한다.
• 학습된 매개변수화 회로와 목표 상태를 일치시키기 위해 양자 컴파일을 사용한다.
• 인접 블록 간의 작은 매개변수 변화를 전달하기 위해 1차 Taylor 확장을 적용한다.
• 표현력과 비용의 균형을 맞추기 위해 3nL 매개변수와 블록당 6L 회로 깊이를 가지는 W_chain+XYZ ansatz를 채용한다.
• 그래디언트 기반 최적화(Adam)가 기울기 PSR을 사용하여 θ를 업데이트하는 하이브리드 고전-양자 루프를 동작시킨다.
• 반복 수를 줄이기 위해 인접 블록 정보를 재사용하는 빠른 컴파일 전략을 구현한다.

실험 결과

연구 질문

• RQ1 매개변수화된 회로를 통해 블록을 양자 상태로 인코딩하여 하이브리드 양자-고전 파이프라인이 이미지를 효율적으로 압축할 수 있는가?
• RQ2 Taylor 확장과 인접성 정보를 사용하면 단순한 양자 압축과 비교해 전체 반복 횟수와 압축 손실이 감소하는가?
• RQ3 다중 블록 크기에서 표준 이미지(Lenna, Cameraman)에서 Fast QIC의 성능은 어떠한가?
• RQ4 제안된 접근법에서 큐빗 수, 회로 깊이, 압축 성능 간의 트레이드오프는 무엇인가?

주요 결과

• Fast QIC는 naive 버전에 비해 반복 횟수를 최대 86% 감소시킨다.
• Fast QIC는 압축 손실을 더 낮게 얻으며, 특히 고해상도 이미지에서 그렇다.
• 대형 이미지 크기에서 전이된 블록의 비율은 88%에 근접하며, 이는 인접 블록 매개변수의 효과적인 재사용을 나타낸다.
• Lenna와 Cameraman에 대해서도 이미지 크기와 블록 크기가 증가함에 따라 손실과 반복 횟수가 감소하는 것을 보인다.
• 이미지 크기가 커질수록 손실을 낮게 유지하면서 반복 횟수를 줄이고, 큰 이미지에서 단순 방법보다 우수한 성능을 보인다.