基于 GAN 的可调图像压缩系统
图像与视频处理
2020-01-22 v1 计算机视觉与模式识别
摘要
重要性图方法已广泛用于基于 DNN 的有损图像压缩中，以根据图像内容的重要性实现比特分配。然而，非重要区域比特分配不足常导致在低 bpp（每像素比特数）下严重失真，阻碍了高效内容加权图像压缩系统的发展。本文通过使用生成对抗网络（GAN）重构非重要区域，重新思考基于内容的压缩。此外，多尺度金字塔分解被应用于编码器与判别器以实现高分辨率图像的全局压缩。本文还提出了一种可调压缩方案，可将图像压缩至任意特定压缩比而无需重新训练模型。实验结果表明，在 Kodak 数据集上达到相同低 bpp（0.05）时，我们提出的方法相比近期报道的基于 GAN 的方法将 MS-SSIM 提升了超过 10.3%。
引用
@article{arxiv.2001.06580,
title = {A GAN-based Tunable Image Compression System},
author = {Lirong Wu and Kejie Huang and Haibin Shen},
journal= {arXiv preprint arXiv:2001.06580},
year = {2020}
}