基于Wasserstein失真的过拟合图像压缩：好、便宜且快速
计算机视觉与模式识别
2025-03-25 v2 图像与视频处理
摘要
受生成式图像模型的成功启发，最近的学习式图像压缩工作越来越关注更好的自然图像分布概率模型，导致图像质量卓越。然而，这以计算复杂度远高于当今商业编码器的几个数量级为代价，因而在实际应用中难以接受。本文通过关注视觉感知而非数据分布，来实现视觉质量和比特率之间与"生成式"压缩模型如HiFiC相似的优异平衡，仅需解压操作的百分之一以下的乘法-累加运算(MAC)。我们通过优化针对Wasserstein失真(WD)进行的C3过拟合图像编解码器，并通过人类评估研究评估图像重构，结果表明WD明显优于LPIPS作为优化目标。该研究还发现，WD在预测人类评分方面优于其他感知指标，包括LPIPS、DISTS和MS-SSIM， remarkably实现了与Elo分数超过94%的皮尔逊相关性。
引用
@article{arxiv.2412.00505,
title = {Good, Cheap, and Fast: Overfitted Image Compression with Wasserstein Distortion},
author = {Jona Ballé and Luca Versari and Emilien Dupont and Hyunjik Kim and Matthias Bauer},
journal= {arXiv preprint arXiv:2412.00505},
year = {2025}
}
备注
16 pages, 12 figures. Accepted for presentation at CVPR 2025