基于码编辑的灵活神经图像压缩
图像与视频处理
2022-09-21 v1 计算机视觉与模式识别
机器学习
摘要
神经图像压缩（NIC）在率失真（R-D）性能上已超越传统图像编解码器。然而，其通常需为 R-D 曲线上每一点配备专用的编解码器对，极大阻碍了实际部署。尽管近期一些工作已通过条件编码实现码率控制，但其在训练时施加强先验且灵活性有限。本文提出 Code Editing，一种基于半摊销推断与自适应量化的、高度灵活的 NIC 编码方法。我们的工作是变码率 NIC 的新范式。此外，实验结果表明，我们的方法超越了现有变码率方法，并以单一解码器实现了感兴趣区域（ROI）编码与多失真权衡。
引用
@article{arxiv.2209.09244,
title = {Flexible Neural Image Compression via Code Editing},
author = {Chenjian Gao and Tongda Xu and Dailan He and Hongwei Qin and Yan Wang},
journal= {arXiv preprint arXiv:2209.09244},
year = {2022}
}
备注
NeurIPS 2022