对抗生成网络与 actor-critic 策略梯度混合方法用于低码率高分辨率图像压缩
图像与视频处理
2019-06-17 v2 机器学习
机器学习
摘要
图像压缩是在不降低图像质量的前提下减小图像字节大小的重要方法。通常使用的是经典算法,但近来深度学习已成功应用。本工作提出了一种用于图像压缩的深度超分辨率工作流,将低分辨率JPEG图像映射到高分辨率。该流程由两个部分组成:首先,一个编码器-解码器神经网络学习如何将下采样的JPEG图像变换为高分辨率。其次,生成对抗网络(GANs)与强化学习 actor-critic (A3C) 损失的结合推动编码器-解码器间接最大化高峰值信噪比(High PSNR)。尽管PSNR是一个完全可微的度量,本工作为通过编码器-解码器网络与强化学习策略梯度方法之间的端到端方法最大化不可微度量打开了新解决方案的大门。
引用
@article{arxiv.1906.04681,
title = {A Hybrid Approach Between Adversarial Generative Networks and Actor-Critic Policy Gradient for Low Rate High-Resolution Image Compression},
author = {Nicoló Savioli},
journal= {arXiv preprint arXiv:1906.04681},
year = {2019}
}
备注
4 pages, 2 figures, IEEE Conference on Computer Vision and Pattern Recognition, Workshop and Challenge on Learned Image Compression (CLIC) 2019