HiLLoC：基于层次化潜变量模型的无损图像压缩
图像与视频处理
2019-12-23 v1 计算机视觉与模式识别
机器学习
机器学习
摘要
我们做出了如下引人注目的观察：在 32x32 ImageNet 上训练的全卷积 VAE 模型能够很好地泛化，不仅到 64x64，也能到远大的照片，且无需更改模型。我们利用这一性质，将全卷积模型应用于无损压缩，展示了一种将基于 VAE 的“Bits-Back with ANS”无损压缩算法扩展到大型彩色照片的方法，并在全尺寸 ImageNet 图像压缩上达到了最先进水平。我们发布了 Craystack，一个用于基于概率模型便捷原型化无损压缩的开源库，以及我们所有压缩结果的完整实现。
引用
@article{arxiv.1912.09953,
title = {HiLLoC: Lossless Image Compression with Hierarchical Latent Variable Models},
author = {James Townsend and Thomas Bird and Julius Kunze and David Barber},
journal= {arXiv preprint arXiv:1912.09953},
year = {2019}
}