位分布研究与JPEG-AI标准化中空间质量图的实现
计算机视觉与模式识别
2024-02-28 v1 机器学习
图像与视频处理
摘要
目前，对基于神经网络的图像压缩编解码器有高度需求。这些编解码器采用非线性变换创建紧凑的位表示，并比经典框架中使用的手工制作变换在设备上实现更快的编码速度。科学界和工业界对这些特性高度感兴趣，导致JPEG-AI标准化努力。JPEG-AI验证模型已发布并在标准化过程中开发中。利用神经网络，它在基本操作点下超过经典编解码器VVC intra超过10%的BD-rate。研究人员将此成功归因于与VVC intra以恒定质量点生成的锚点相对比，灵活的空间位分布。然而，我们的研究表明，VVC intra通过实施各种块大小显示更可适应的位分布结构。由于我们的观察，我们提出了一种空间位分配方法，以优化JPEG-AI验证模型的位分布并提高视觉质量。此外，通过应用VVC位分布策略，可以进一步提高JPEG-AI验证模式的客观性能，在PSNR-Y上可实现最高提升0.45 dB。
引用
@article{arxiv.2402.17470,
title = {Bit Distribution Study and Implementation of Spatial Quality Map in the JPEG-AI Standardization},
author = {Panqi Jia and Jue Mao and Esin Koyuncu and A. Burakhan Koyuncu and Timofey Solovyev and Alexander Karabutov and Yin Zhao and Elena Alshina and Andre Kaup},
journal= {arXiv preprint arXiv:2402.17470},
year = {2024}
}
备注
5 pages, 3 figures, 4 tables