学习型图像压缩中率-失真-感知分析的一种实用方法
图像与视频处理
2021-05-03 v1
摘要
多年来，以均方误差量化失真的编解码器率失真优化（RDO）一直是图像/视频压缩中的标准做法。RDO 很好地服务于以 PSNR 评估结果的编解码器性能优化。然而，众所周知 PSNR 与图像的感知评价相关性不佳；因此，RDO 不太适合编解码器的感知优化。最近，通过取原始图像与重建图像分布之间的 Kullback-Leibner（KL）散度作为感知度量，率-失真-感知权衡被形式化。人们提出了同时优化率、均方损失、VGG 损失和对抗损失的学习型图像压缩方法。然而，在实际学习型图像压缩方案中，尚不存在一种简便的方法将率、失真或感知固定在期望水平以进行率、失真和感知度量之间权衡的分析。在本文中，我们提出一种实用方法，将率固定以在固定率下开展感知-失真分析，从而以原则性方式对图像压缩结果进行感知评价。实验结果提供了对学习型图像压缩中实际率-失真-感知分析的若干见解。
引用
@article{arxiv.2104.14836,
title = {A Practical Approach for Rate-Distortion-Perception Analysis in Learned Image Compression},
author = {Ogun Kirmemis and A. Murat Tekalp},
journal= {arXiv preprint arXiv:2104.14836},
year = {2021}
}
备注
accepted for publication in Picture Coding Symposium (PCS) 2021