CBANet：面向使用单一网络实现复杂度与码率自适应的深度图像压缩
图像与视频处理
2021-05-27 v1 计算机视觉与模式识别
摘要
在本文中，我们提出了一种称为复杂度与码率自适应网络（CBANet）的新型深度图像压缩框架，旨在学习一个单一网络以在不同计算复杂度约束下支持可变码率编码。与现有最先进的基于学习的图像压缩框架仅考虑率失真权衡而不引入任何与计算复杂度相关的约束不同，我们的CBANet在动态计算复杂度约束下考虑率与失真之间的权衡。具体而言，为了使用单一解码器在各种计算复杂度约束下解码图像，我们提出了一种新的多分支复杂度自适应模块，其中每个分支仅占用解码器计算预算的一小部分。通过使用不同数量的分支，可以轻松生成具有不同视觉质量的重建图像。此外，为了使用单一解码器实现可变码率解码，我们提出了一种码率自适应模块，将表示从一个基础码率投影到目标码率下的期望表示以进行传输。然后它将目标码率下传输的表示投影回基础码率下的表示用于解码过程。所提出的码率自适应模块可显著减少部署平台的存储需求。因此，我们的CBANet使单一编解码器能够在各种计算复杂度约束下支持多码率解码。在两个基准数据集上的综合实验证明了我们的CBANet在深度图像压缩上的有效性。
引用
@article{arxiv.2105.12386,
title = {CBANet: Towards Complexity and Bitrate Adaptive Deep Image Compression using a Single Network},
author = {Jinyang Guo and Dong Xu and Guo Lu},
journal= {arXiv preprint arXiv:2105.12386},
year = {2021}
}
备注
Submitted to T-IP