DANICE：神经图像压缩中不忘本的领域自适应
计算机视觉与模式识别
2021-04-20 v1 图像与视频处理
摘要
神经图像压缩（NIC）是一种新的编码范式，其编码能力由从数据中学习的深度模型捕获。这种数据驱动的特性带来了新的潜在功能。本文中，我们研究编解码器对感兴趣自定义领域的自适应能力。我们表明NIC编解码器是可迁移的，并且可以用相对较少的目标领域图像进行自适应。然而，朴素自适应会干扰为原始源领域优化的解，导致遗忘该领域原有的编码能力，甚至可能破坏与先前编码码流的兼容性。针对这些问题，我们提出不忘本编解码器自适应（CAwF）框架，该框架通过添加少量自定义参数来避免这些问题，其中源编解码器在自适应过程中保持嵌入且不变。实验证明了其有效性，并为NIC中灾难性干扰的特性提供了有用见解。
引用
@article{arxiv.2104.09370,
title = {DANICE: Domain adaptation without forgetting in neural image compression},
author = {Sudeep Katakol and Luis Herranz and Fei Yang and Marta Mrak},
journal= {arXiv preprint arXiv:2104.09370},
year = {2021}
}
备注
Accepted to CLIC Workshop at CVPR 2021