JPEG-AI 验证模型中的码率匹配算法优化
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
基于神经网络 (NN) 的图像压缩研究显示出优于传统压缩框架的性能。与传统框架中手工设计的变换不同，基于 NN 的模型学习非线性变换，提供更紧凑的比特表示，并在并行设备上实现比传统对应方法更快的编码速度。这些特性引起了科学界和工业界的关注，促成了 JPEG-AI 标准化活动。JPEG-AI 标准化过程的验证模型已在开发中，并超越了先进的 VVC 帧内编解码器。为了生成具有目标每像素比特数的重建图像并评估 JPEG-AI 验证模型和 VVC 帧内的 BD-rate 性能，采用了码率匹配。然而，当前状态的 JPEG-AI 验证模型在码率匹配期间经历显著减速，导致因模型不合适而性能次优。所提出的方法提供了一种渐进式的码率匹配算法优化，在基础操作点实现了四倍加速和超过 1% 的 BD-rate 提升。在高操作点，加速倍数高达六倍。
引用
@article{arxiv.2402.17487,
title = {Bit Rate Matching Algorithm Optimization in JPEG-AI Verification Model},
author = {Panqi Jia and A. Burakhan Koyuncu and Jue Mao and Ze Cui and Yi Ma and Tiansheng Guo and Timofey Solovyev and Alexander Karabutov and Yin Zhao and Jing Wang and Elena Alshina and Andre Kaup},
journal= {arXiv preprint arXiv:2402.17487},
year = {2024}
}
备注
Accepted at (IEEE) PCS 2024; 6 pages