基于可逆激活变换的高保真可变码率图像压缩
图像与视频处理
2022-09-13 v1 计算机视觉与模式识别
摘要
基于学习的方法有效推动了图像压缩领域的发展。同时，基于变分自编码器（VAE）的可变码率方法近期受到广泛关注，以避免针对不同压缩率使用一组不同的网络。尽管已取得显著性能，这些方法一旦执行多次压缩/解压缩操作便易被损坏，导致图像质量大幅下降并出现明显伪影。因此，我们试图解决高保真精细可变码率图像压缩问题，并提出可逆激活变换（IAT）模块。我们以数学可逆的方式在单一码率基于可逆神经网络（INN）的模型上实现IAT，并将质量等级（QLevel）输入IAT以生成缩放与偏置张量。IAT与QLevel共同赋予图像压缩模型精细可变码率控制能力，同时更好地保持图像保真度。大量实验表明，配备我们IAT模块的单一码率图像压缩模型能够在无任何折损的情况下实现可变码率控制。并且我们嵌入IAT的模型取得了与近期基于学习的图像压缩方法相当的率失真性能。此外，尤其在多次重编码后，我们的方法大幅优于最先进的可变码率图像压缩方法。
引用
@article{arxiv.2209.05054,
title = {High-Fidelity Variable-Rate Image Compression via Invertible Activation Transformation},
author = {Shilv Cai and Zhijun Zhang and Liqun Chen and Luxin Yan and Sheng Zhong and Xu Zou},
journal= {arXiv preprint arXiv:2209.05054},
year = {2022}
}
备注
Accept to ACMMM2022