面向风力机端到端图像压缩的分段引导双模式编码
计算机视觉与模式识别
2026-04-01 v1 人工智能
机器学习
摘要
在风力机检查中传输大量高分辨率图像会成为评估和检测严重缺陷的瓶颈。高效编码必须在叶片区域保持高保真度，同时对背景进行激进压缩。本文提出了一个端到端深度学习框架，联合执行分割和双模式（有损和无损）压缩。分割模块准确识别叶片区域之后，我们的区域感兴趣（ROI）压缩器在质量上优于图像其余部分。与常规 ROI 方案仅为显著区域分配更多比特不同，我们的框架集成了：（i）具备 CRFs 正则化损失的稳健分割网络（BU-Netv2+P），实现精确的叶片定位；（ii）针对有损压缩优化的超先验自编码器；（iii）用于完全无损叶片重建的扩展比特后编码器。此外，我们的 ROI 框架通过复用背景编码的比特，消除了比特后编码中的顺序依赖，实现并行化和高效的双模式压缩。据我们所知，这是首个集成分割、有损和无损压缩于一个学习基的 ROI 编解码器，确保后续缺陷检测不受影响。在大型风力机数据集上的实验表明，我们的框架在压缩性能和效率方面均表现出色，为自动化检查提供了实用解决方案。
引用
@article{arxiv.2603.29927,
title = {End-to-End Image Compression with Segmentation Guided Dual Coding for Wind Turbines},
author = {Raül Pérez-Gonzalo and Andreas Espersen and Søren Forchhammer and Antonio Agudo},
journal= {arXiv preprint arXiv:2603.29927},
year = {2026}
}
备注
Accepted to TNNLS 2026