基于深度学习结合网格编码量化的图像压缩
图像与视频处理
2020-01-28 v1 计算机视觉与模式识别
摘要
近来许多工作尝试基于深度学习架构开发图像压缩模型，其中通常在编码器与解码器之间的特征图上采用均匀标量量化器（SQ）。本文提出将网格编码量化器（TCQ）引入基于深度学习的图像压缩框架。采用一种软到硬策略以在训练期间允许反向传播。我们开发了一个由三个子网络（编码器、解码器和熵估计）组成的简单图像压缩模型，并以端到端方式优化所有组件。我们在两个高分辨率图像数据集上进行实验，两者均表明我们的模型在低比特率下能取得优越性能。我们还基于所提出的基线模型展示了 TCQ 与 SQ 的对比，并证明了 TCQ 的优势。
引用
@article{arxiv.2001.09417,
title = {Deep Learning-based Image Compression with Trellis Coded Quantization},
author = {Binglin Li and Mohammad Akbari and Jie Liang and Yang Wang},
journal= {arXiv preprint arXiv:2001.09417},
year = {2020}
}
备注
Accepted in Data Compression Conference (DCC) 2020