ANFIC：基于增广正则流的图像压缩
图像与视频处理
2021-10-26 v2 计算机视觉与模式识别
机器学习
摘要
本文介绍了一种端到端学习的图像压缩系统，称为 ANFIC，其基于增广正则流（ANF）。ANF 是一种新型流模型，通过堆叠多个变分自编码器（VAE）以获得更强的模型表达能力。基于 VAE 的图像压缩已成为主流，展现出有前景的压缩性能。我们的工作首次尝试在基于流的框架中利用基于 VAE 的压缩。ANFIC 通过分层堆叠和扩展多个 VAE 进一步提升了压缩效率。ANF 的可逆性以及我们的训练策略，使 ANFIC 能够支持广泛的质量等级而无需改变编码和解码网络。大量实验结果表明，在 PSNR-RGB 方面，ANFIC 的性能与最先进的学习图像压缩方法相当或更优。此外，从低码率压缩到近乎无损压缩，其性能接近 VVC 帧内编码。特别地，当 ANFIC 扩展使用条件卷积以通过单一模型实现变码率压缩时，达到了最先进的性能。
引用
@article{arxiv.2107.08470,
title = {ANFIC: Image Compression Using Augmented Normalizing Flows},
author = {Yung-Han Ho and Chih-Chun Chan and Wen-Hsiao Peng and Hsueh-Ming Hang and Marek Domanski},
journal= {arXiv preprint arXiv:2107.08470},
year = {2021}
}