CPIPS:在端到端图像压缩中学习保持感知距离
计算机视觉与模式识别
2023-10-03 v1 多媒体
图像与视频处理
摘要
JPEG 与 MPEG 等有损图像编码标准已成功实现对人类消费多媒体数据的高压缩率。然而,随着 IoT 设备、无人机与自动驾驶汽车的日益普及,机器而非人类正在处理更大比例的所捕获视觉内容。因此,追求一种不仅服务于人类视觉,也服务于图像处理与机器视觉任务的高效压缩表示至关重要。受生物系统中高效编码假说及神经科学中感觉皮层建模的启发,我们重新利用压缩潜表示以优先语义相关性,同时保持感知距离。我们提出的方法 Compressed Perceptual Image Patch Similarity (CPIPS) 可由学习型神经编解码器以极小代价导出,且计算显著快于基于 DNN 的感知度量如 LPIPS 与 DISTS。
引用
@article{arxiv.2310.00559,
title = {CPIPS: Learning to Preserve Perceptual Distances in End-to-End Image Compression},
author = {Chen-Hsiu Huang and Ja-Ling Wu},
journal= {arXiv preprint arXiv:2310.00559},
year = {2023}
}
备注
7 pages, 5 figures; accepted by APSIPA ASC 2023