基于高级状态空间模型的图像压缩
图像与视频处理
2024-09-06 v2
摘要
Transformer导致了基于学习的图像压缩方法超越传统方法。然而，这些方法常因计算复杂度高而受限于实际应用。为此，已探索多种策略（如知识蒸馏和轻量级架构），以在不显著牺牲性能的前提下提升效率。本文提出一种基于状态空间模型（State Space Model，SSM）的图像压缩架构（SSMIC）。该新型架构在性能和计算效率之间取得了良好平衡，适用于实际场景。实验评估表明，我们的方法在实现卓越BD-rate性能的同时，显著降低了计算复杂度和延迟，优于竞争性的基于学习的图像压缩方法。
关键词
引用
@article{arxiv.2409.02743,
title = {Efficient Image Compression Using Advanced State Space Models},
author = {Bouzid Arezki and Anissa Mokraoui and Fangchen Feng},
journal= {arXiv preprint arXiv:2409.02743},
year = {2024}
}
备注
Accepted at IEEE MMSP conference 2024 held on October 2-4 2024 at Purdue University in West Lafayette IN US