基于上下文自适应神经网络的图像压缩预测
神经与进化计算
2019-09-02 v2 图像与视频处理
摘要
本文描述了一组称为预测神经网络集（PNNS）的神经网络架构，其基于全连接与卷积神经网络，用于图像帧内预测。给定图像块的神经网络选择取决于块大小，因此无需向解码器发送信号。研究表明，虽然全连接神经网络在较小块尺寸下性能良好，但卷积神经网络在具有复杂纹理的大块中提供更优的预测。得益于训练期间使用随机尺寸的掩码，PNNS的神经网络能很好地适应可用的上下文，该上下文可能因待预测图像块的位置而不同。将PNNS集成到H.265编解码器中时，获得了1.46%至5.20%的PSNR-码率性能增益。这些增益平均比先前基于神经网络的方法大0.99%。与H.265帧内预测模式各自专用于预测特定纹理不同，所提出的PNNS能够建模大量复杂纹理。
引用
@article{arxiv.1807.06244,
title = {Context-adaptive neural network based prediction for image compression},
author = {Thierry Dumas and Aline Roumy and Christine Guillemot},
journal= {arXiv preprint arXiv:1807.06244},
year = {2019}
}