HLIC：通过强化学习协调学习型图像压缩中的优化度量
计算机视觉与模式识别
2021-10-01 v1 图像与视频处理
摘要
学习型图像压缩近年来取得良好进展。峰值信噪比（PSNR）与多尺度结构相似性（MS-SSIM）是最常用的两种评估度量。由于不同度量仅反映人类感知的某些方面，该领域工作通常分别以PSNR和MS-SSIM为损失函数优化两个模型，这并非最优且难以选出具有最佳视觉质量或整体性能的模型。为解决此问题，我们提出在学习型图像压缩中通过强化学习进行在线损失函数自适应来协调优化度量（HLIC）。借此，我们得以结合PSNR与MS-SSIM的优势，获得更好的视觉质量与更高的VMAF分数。据我们所知，我们的工作是首个探索自动损失函数自适应以协调如学习型图像压缩等底层视觉任务中优化度量的工作。
引用
@article{arxiv.2109.14863,
title = {HLIC: Harmonizing Optimization Metrics in Learned Image Compression by Reinforcement Learning},
author = {Baocheng Sun and Meng Gu and Dailan He and Tongda Xu and Yan Wang and Hongwei Qin},
journal= {arXiv preprint arXiv:2109.14863},
year = {2021}
}
备注
working paper