伪残差引导的高精度深度图端到端无损压缩
图像与视频处理
2022-01-11 v1 计算机视觉与模式识别
摘要
作为表示空间信息的基础数据格式，深度图广泛应用于信号处理和计算机视觉领域。随着激光扫描仪或 LiDAR 等设备的快速发展，产生了大量高精度深度图。因此，亟需探索一种具有更优压缩比的高精度深度图压缩新方法。利用广泛普及的深度学习环境，我们提出了一种基于端到端学习的高精度深度图无损压缩方法。整个过程由两个子过程组成，分别为深度图预处理与处理后深度图的深度无损压缩。深度无损压缩网络由两个子网络构成，分别为有损压缩网络与无损压缩网络。我们利用伪残差概念引导残差分布的生成，并避免引入上下文模型。我们的端到端无损压缩网络相较工程编解码器取得了有竞争力的性能，且计算成本低。
引用
@article{arxiv.2201.03195,
title = {End-to-end lossless compression of high precision depth maps guided by pseudo-residual},
author = {Yuyang Wu and Wei Gao},
journal= {arXiv preprint arXiv:2201.03195},
year = {2022}
}
备注
Data Compression Conference 2022