通过JPEG压缩实现混合量子图像准备
Hybrid Quantum Image Preparation via JPEG Compression
AI总结：
本文提出了一种通过JPEG压缩实现混合量子图像准备的方法，通过减少量子门数量和电路深度，同时保持高质量的图像重建。
摘要：
我们提出了一种混合经典-量子图像准备方案，以降低量子像素信息编码（QPIE）中图像加载的量子实现成本。所提出的方法称为JPEG辅助QPIE（JQPIE），仅将量化后的JPEG系数加载到量子寄存器中，从而在保持与经典JPEG压缩相当的重建质量的同时，显著减少CX门数量和电路深度。我们开发了两种混合策略变体。第一种通过实现反向量化来相干地完成完整的JPEG解压管道。第二种称为无量化JQPIE（QF-JQPIE），完全省略了量化步骤，从而避免了块编码量化的概率性质。在标准基准图像数据集（USC--SIPI和Kodak）上的数值模拟表明，两种变体在相对于直接QPIE加载的情况下，实现了显著的常数因子减少的CX门数量和电路深度，同时保持高重建质量，如PSNR和SSIM所测。
英文摘要：
We present a hybrid classical-quantum image preparation scheme that reduces the quantum implementation cost of image loading for quantum pixel information encoding (QPIE). The proposed method, termed JPEG-assisted QPIE (JQPIE), loads only the quantized JPEG coefficients into a quantum register, leading to substantial reductions in \texttt{CX} gate count and circuit depth while preserving reconstruction quality comparable to classical JPEG compression. We develop two variants of the hybrid strategy. The first realizes the complete JPEG decompression pipeline coherently by implementing inverse quantization via a block-encoded unitary operator. The second, referred to as \emph{quantization-free JQPIE} (QF-JQPIE), omits quantization altogether, thereby avoiding the probabilistic nature of block-encoded quantization. Numerical simulations on standard benchmark image datasets (USC--SIPI and Kodak) demonstrate that both variants achieve significant constant-factor reductions in \texttt{CX} gate count and circuit depth relative to direct QPIE loading, while maintaining high reconstruction quality as measured by PSNR and SSIM.
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
