Predictors neurals lleugers per a compressió d'imatges
Rosales Llorente, Hugo
Mijares i Verdú, Sebastià tut. (Universitat Autònoma de Barcelona. Departament d'Enginyeria de la Informació i de les Comunicacions)
Universitat Autònoma de Barcelona. Escola d'Enginyeria

Additional title:	Lightweight neural predictors for image compression
Additional title:	Predictores neuronales ligeros para la compresión de imágenes
Date:	2026
Abstract:	Aquest Treball de Final de Grau analitza predictors lleugers per a compressió d'imatges sense pèrdua basats en l'esquema de predicció causal. El punt de partida és un baseline inspirat en JPEG-LS/LOCO-I, on s'utilitza el predictor MED (Median Edge Detector) per obtenir el residu i estimar-ne la compressibilitat. Sobre aquesta base s'estudia, entrena i compara un predictor lineal i diverses variants d'un MLP causal, és a dir, un predictor neuronal de tipus perceptró multicapa, tant en predicció directa com en correcció del residu sobre MED. Els resultats obtinguts sobre un conjunt d'imatges de referència permeten avaluar el balanç entre precisió i complexitat de cada enfocament.
Abstract:	This Final Degree Project analyzes lightweight predictors for lossless image compression based on a causal prediction scheme. The starting point is a baseline inspired by JPEG-LS/LOCO-I, where the MED (Median Edge Detector) predictor is used to obtain the residual and estimate its compressibility. Building on this baseline, the work studies, trains, and compares a linear predictor and several variants of a causal MLP, that is, a neural predictor based on a multilayer perceptron architecture, both in direct prediction and in residual correction over MED. The results obtained on a reference image set allow assessing the balance between accuracy and complexity of each approach.
Abstract:	Este Trabajo de Fin de Grado analiza predictores ligeros para la compresión de imágenes sin pérdida basados en el esquema de predicción causal. El punto de partida es un baseline inspirado en JPEG-LS/LOCO-I, donde se utiliza el predictor MED (Median Edge Detector) para obtener el residuo y estimar su compresibilidad. Sobre esta base se estudia, entrena y compara un predictor lineal y diversas variantes de un MLP causal, es decir, un predictor neuronal de tipo perceptrón multicapa, tanto en predicción directa como en corrección del residuo sobre MED. Los resultados obtenidos sobre un conjunto de imágenes de referencia permiten evaluar el equilibrio entre precisión y complejidad de cada enfoque.
Rights:	Aquest document està subjecte a una llicència d'ús Creative Commons. Es permet la reproducció total o parcial, la distribució, i la comunicació pública de l'obra, sempre que no sigui amb finalitats comercials, i sempre que es reconegui l'autoria de l'obra original. No es permet la creació d'obres derivades.
Language:	Català
Studies:	Enginyeria Informàtica [2502441]
Study plan:	Enginyeria Informàtica [958]
Document:	Treball final de grau
Subject area:	Menció Tecnologies de la Informació
Subject:	Compressió sense pèrdua ; JPEG-LS/LOCO-I ; Predicció causal ; MED (Median Edge Detector) ; Predictors neuronals ; MLP causal lleuger ; Entropia del residu (bits per píxel) ; Lossless compression ; Causal prediction ; Neural predictors ; Lightweight causal MLP ; Residual entropy (bits per pixel) ; Compresión sin pérdida ; Predicción causal ; Predictores neuronales ; MLP causal ligero ; Entropía del residuo (bits por píxel)

11 p, 1.4 MB

The record appears in these collections:
Research literature > Bachelor's degree final project > School of Engineering. TFG