利用深度神经网络优化用于三维重建的图像压缩
图像与视频处理
2021-07-27 v2 计算机视觉与模式识别
机器学习
摘要
计算机视觉任务通常预期在压缩图像上执行。JPEG 2000 等经典图像压缩标准被广泛使用。然而，它们未考虑手头的具体终端任务。受基于循环神经网络（RNN）的图像压缩与三维（3D）重建相关工作的启发，我们提出统一网络架构来联合解决这两项任务。这些联合模型提供了针对三维重建这一特定任务定制的图像压缩。由我们提出的模型压缩的图像，相较于使用 JPEG 2000 压缩，产生了更优的三维重建性能。我们的模型显著扩展了可进行三维重建的压缩率范围。我们还表明，这可以以极高效率实现，在已完成三维重建任务所需计算的基础上获得压缩，几乎不产生额外开销。
引用
@article{arxiv.2003.12618,
title = {Image compression optimized for 3D reconstruction by utilizing deep neural networks},
author = {Alex Golts and Yoav Y. Schechner},
journal= {arXiv preprint arXiv:2003.12618},
year = {2021}
}