BINet：一种用于基于深度块的图像压缩的二值修复网络
图像与视频处理
2021-01-14 v2 计算机视觉与模式识别
摘要
近期的深度学习模型在性能上优于标准有损图像压缩编解码器。然而，以逐块方式应用这些模型要求每个图像块被独立编码和解码。因此，来自相邻块的影响丢失，导致在低码率下出现块效应。我们提出二值修复网络（BINet），一种融合二值修复以恢复相邻块间相互依赖关系的自编码器框架，用于改进静态图像的基于块的压缩。在解码一个块时，BINet 额外利用周围块的二值化编码来引导其重建。与基于先前重建结果解码块的序列式修复方法不同，BINet 直接作用于周围块的二值码，而无需访问原始或重建的图像数据。因此，编码和解码可以并行执行。我们证明，在一系列压缩级别上，BINet 提升了一个具有竞争力的深度图像编解码器的压缩质量。
引用
@article{arxiv.1912.05189,
title = {BINet: a binary inpainting network for deep patch-based image compression},
author = {André Nortje and Willie Brink and Herman A. Engelbrecht and Herman Kamper},
journal= {arXiv preprint arXiv:1912.05189},
year = {2021}
}
备注
Signal Processing: Image Communication