基于压缩感知显著性骨架深度重建的注意力引导图像压缩
计算机视觉与模式识别
2021-03-30 v1 图像与视频处理
摘要
我们提出一种用于注意力引导双层图像压缩（AGDL）的深度学习系统。在 AGDL 压缩系统中，图像被编码为两层：基础层与注意力引导细化层。不同于现有 ROI 图像压缩方法在 ROI 内对所有像素均等耗费额外码率预算，AGDL 采用 CNN 模块预测 ROI 内及其附近显著性草图上对感知质量至关重要的像素。仅这些关键像素被压缩感知（CS）进一步采样，以形成非常紧凑的细化层。我们还开发了另一种新颖的 CNN 方法，用于联合解码两层压缩以得到高度细化的重建，同时严格满足所传输的关于感知关键像素的 CS 约束。大量实验表明，所提 AGDL 系统在感知感知图像压缩方面推进了最先进水平。
引用
@article{arxiv.2103.15368,
title = {Attention-guided Image Compression by Deep Reconstruction of Compressive Sensed Saliency Skeleton},
author = {Xi Zhang and Xiaolin Wu},
journal= {arXiv preprint arXiv:2103.15368},
year = {2021}
}
备注
Accepted to CVPR 2021