GIFnets：可微 GIF 编码框架
图像与视频处理
2020-06-25 v1 计算机视觉与模式识别
摘要
图形交换格式(Graphics Interchange Format, GIF)是一种广泛使用的图像文件格式。由于调色板颜色数量有限，GIF编码常引入色带伪影。传统上采用抖动来减少色带，但会引入点状图案伪影。为减少伪影并提供更好更高效的GIF编码，我们引入了一种可微GIF编码流水线，包含三个新颖神经网络：PaletteNet、DitherNet和BandingNet。这三个网络各自在GIF编码流水线中提供重要功能。PaletteNet在给定输入图像下预测近最优颜色调色板。DitherNet对输入图像进行处理以减少色带伪影，并提供传统抖动的替代方案。最后，BandingNet设计用于检测色带，并为GIF图像提供新的感知损失。据我们所知，这是首个基于深度神经网络且与现有GIF解码器兼容的全可微GIF编码流水线。用户研究表明我们的算法优于基于Floyd-Steinberg的GIF编码。
引用
@article{arxiv.2006.13434,
title = {GIFnets: Differentiable GIF Encoding Framework},
author = {Innfarn Yoo and Xiyang Luo and Yilin Wang and Feng Yang and Peyman Milanfar},
journal= {arXiv preprint arXiv:2006.13434},
year = {2020}
}