基于感知启发图学习的图像编码
图像与视频处理
2023-03-06 v1
摘要
大多数编解码器设计在率失真优化中依赖均方误差（MSE）作为保真度度量，这可在变换域中选择最优参数，但可能无法反映感知质量。替代失真度量（如结构相似性指数（SSIM））只能逐像素计算，因此无法直接用于变换域比特分配。近来，不规则感知图傅里叶变换（IAGFT）成为一种在变换设计中纳入逐像素感知信息的手段。本文扩展该思想，还为具有相似感知特征且统计上相异的块集合学习图（及相应变换），从而得到不同的所学图。我们用基于 SSIM 与显著性的准则证明了方法的有效性。我们还提出一个推导可分离变换（包括可分离 IAGFT）的框架。基于第 5 届 CLIC 数据集的实证评估表明，相较现有方法，我们的方法在 MS-SSIM 方面取得了提升。
引用
@article{arxiv.2303.01674,
title = {Image Coding via Perceptually Inspired Graph Learning},
author = {Samuel Fernández-Menduiña and Eduardo Pavez and Antonio Ortega},
journal= {arXiv preprint arXiv:2303.01674},
year = {2023}
}