用于分块图像压缩的连续 Patch 拼接
计算机视觉与模式识别
2025-02-25 v1 多媒体
摘要
最近，学习型图像压缩方法已超越了传统手工制作的标准编解码器。然而，它们的推理通常需要输入整幅图像，这以消耗大量计算资源为代价，尤其是对于高分辨率图像压缩；否则，在现有学习型图像压缩方法中按块压缩时会出现块状伪影。为了解决这个问题，我们提出了一种用于分块图像压缩的新型连续 Patch 拼接（CPS）框架，该框架能够实现无缝的 Patch 拼接并在数学上消除块状伪影，从而能够在压缩图像时显著减少所需的计算资源。更具体地说，所提出的 CPS 框架全程通过无填充操作实现，并采用新建立的并行重叠拼接策略来提供确保连续性的一般上界。在此基础上，我们进一步提出了具有偶数大小卷积核的功能残差块来实现下采样和上采样，以及保留特征尺寸以增加网络深度的瓶颈残差块。实验结果表明，我们的 CPS 框架相较于现有基线实现了 SOTA 性能，同时所需计算资源不到现有模型的一半。我们的代码将在论文被接受后发布。
引用
@article{arxiv.2502.16795,
title = {Continuous Patch Stitching for Block-wise Image Compression},
author = {Zifu Zhang and Shengxi Li and Henan Liu and Mai Xu and Ce Zhu},
journal= {arXiv preprint arXiv:2502.16795},
year = {2025}
}
备注
5 pages, 8 figures