CAESR：用于学习式空间可伸缩性的条件自编码器与超分辨率
图像与视频处理
2022-02-02 v1 计算机视觉与模式识别
信号处理
摘要
本文提出CAESR，一种基于混合学习的、依托通用视频编码（VVC）标准的空间可伸缩性编码方法。我们的框架将经VVC帧内模式编码的低分辨率信号作为基础层（BL），并将带超先验的深度条件自编码器（AE-HP）作为增强层（EL）模型。EL编码器以放大后的BL重建图像与原始图像二者为输入。我们的方法依赖于条件编码，其学习源图像与放大后BL图像的最优混合，从而获得优于残差编码的性能。在解码端，使用超分辨率（SR）模块来恢复高分辨率细节并逆转变条件编码过程。实验结果表明，我们的方案在与VVC全分辨率帧内编码竞争的同时具备可伸缩性。
引用
@article{arxiv.2202.00416,
title = {CAESR: Conditional Autoencoder and Super-Resolution for Learned Spatial Scalability},
author = {Charles Bonnineau and Wassim Hamidouche and Jean-François Travers and Naty Sidaty and Jean-Yves Aubié and Olivier Deforges},
journal= {arXiv preprint arXiv:2202.00416},
year = {2022}
}