[논문 리뷰] Information Criteria and Arithmetic Codings : An Illustration on Raw Images

Guilhem Coq, Olivier Alata외 2명|ArXiv.org|2007. 06. 12.

Algorithms and Data Compression참고 문헌 12인용 수 7

한 줄 요약

이 논문은 예측 적응형 산술 부호화(PAAC) 기반의 새로운 손실 없음 및 손실 압축 프레임워크를 제안하며, 모델 선택을 위한 정보 기준(예: BIC)과 연계한다. 고정 길이 부호화와 산술 부호화를 조합함으로써 단독 방법보다 향상된 압축 성능을 달성하며, 순서 인식 예측은 손실 압축 효율을 크게 향상시킨다. 원시 회색조 이미지에 대한 실험을 통해 1-PAAC 대 0-PAAC에서 33.15 dB PSNR에서 최대 3.18 bpp의 감소를 입증하였다.

ABSTRACT

In this paper we give a short theoretical description of the general predictive adaptive arithmetic coding technique. The links between this technique and the works of J. Rissanen in the 80's, in particular the BIC information criterion used in parametrical model selection problems, are established. We also design lossless and lossy coding techniques of images. The lossless technique uses a mix between fixed-length coding and arithmetic coding and provides better compression results than those separate methods. That technique is also seen to have an interesting application in the domain of statistics since it gives a data-driven procedure for the non-parametrical histogram selection problem. The lossy technique uses only predictive adaptive arithmetic codes and shows how a good choice of the order of prediction might lead to better results in terms of compression. We illustrate those coding techniques on a raw grayscale image.

연구 동기 및 목표

• 예측 적응형 산술 부호화(PAAC)와 정보 기준(예: BIC) 간의 이론적 연관성을 확립하기 위해.
• 고정 길이 부호화와 산술 부호화를 조합한 하이브리드 손실 없음 부호화 방법을 설계하여 압축 성능을 향상시키기 위해.
• 예측 순서가 손실 압축 성능에 미치는 영향이 크다는 것을 입증하기 위해.
• 비모수적 히스토GRAM 선택 문제에 PAAC 기반 부호 길이 추정을 적용하기 위해.
• 원시 이미지를 사용하여 손실 압축에서 예측 순서가 비트 레이트와 PSNR에 미치는 영향을 평가하기 위해.

제안 방법

• 이미지 픽셀 시퀀스를 모델링하기 위해 순서-k 마르코프 체인을 사용하는 예측 적응형 산술 부호화(PAAC)를 사용한다.
• Rissanen의 확률적 복잡도와 BIC 기준을 사용하여 모델 선택을 위한 부호 길이를 추정한다.
• 고정 길이 부호화와 PAAC를 하이브리드 손실 없음 방법으로 조합하며, 최적의 압축 성능을 위해 예측 순서를 최적화한다.
• 손실 압축을 위해 픽셀 값을 사전에 정규화하는 규칙적인 분할 기반 방식을 사용하여 PAAC 부호화 전에 양자화한다.
• 다양한 예측 순서(k=0 및 k=1)와 양자화 수준에 대해 BIC 기준을 사용하여 부호 길이를 추정한다.
• 비트 레이트와 PSNR를 사용하여 레나 이미지에서 성능을 평가하며, m=1에서 256까지의 양자화 수준에서 0-PAAC와 1-PAAC를 비교한다.

실험 결과

연구 질문

• RQ1 예측 적응형 산술 부호화(PAAC)는 모델 선택에서 정보 기준(예: BIC)과 어떻게 관련이 있는가?
• RQ2 고정 길이 부호화와 산술 부호화를 조합하면 단독 방법보다 손실 없음 이미지 압축 성능을 향상시킬 수 있는가?
• RQ3 예측 순서(k=0 대 k=1)가 PAAC 기반 압축에서 손실 압축 효율에 유의미한 영향을 미치는가?
• RQ4 PAAC 기반 부호 길이 추정은 비모수적 히스토GRAM 선택 문제를 해결하는 데 사용될 수 있는가?
• RQ5 손실 PAAC에서 양자화 수준과 예측 순서를 변화시킬 때 비트 레이트와 PSNR 간의 상충 관계는 어떠한가?

주요 결과

• m=13 양자화 수준에서 1-PAAC는 33.15 dB PSNR에서 0.43 bpp의 비트 레이트를 달성하였으며, 0-PAAC의 3.18 bpp보다 유의미하게 뛰어난 성능을 보였다.
• m=3 수준에서 1-PAAC는 비트 레이트를 0-PAAC의 1.36 bpp에서 0.43 bpp로 감소시키며, PSNR도 22.11 dB에서 33.15 dB로 향상시켰다.
• BIC 기준은 이미지 시퀀스가 순서 0이 아니라 순서 1임을 정확히 식별하였으며, k=1일 때 더 낮은 부호 길이가 나타났다.
• 하이브리드 손실 없음 방법은 예측 순서에 따라 최적으로 두 기법을 혼합함으로써 순수 산술 부호화 또는 고정 길이 부호화보다 뛰어난 성능을 보였다.
• BIC를 통한 부호 길이 추정은 비모수적 히스토GRAM 선택 문제에 데이터 기반 솔루션을 제공하였다.
• 이 연구는 예측 순서가 핵심적인 매개변수임을 확인하였으며, 고차수 예측(k=1)이 손실 압축 및 손실 없음 설정 모두에서 유의미하게 더 나은 압축 성능을 제공한다.