基于循环网络并利用 priming 与空间自适应比特率的改进型有损图像压缩
计算机视觉与模式识别
2017-03-30 v1
摘要
我们提出了一种基于循环卷积神经网络的有损图像压缩方法，其在 MS-SSIM 度量下优于 BPG (4:2:0)、WebP、JPEG2000 和 JPEG。我们在先前研究基础上引入三项改进，从而取得了这一最先进结果。首先，我们表明，使用由 SSIM 加权的逐像素损失进行训练，可根据多项指标提升重建质量。其次，我们修改循环架构以改善空间扩散，使网络能够更有效地通过隐藏状态捕获并传播图像信息。最后，除无损熵编码外，我们采用空间自适应比特分配算法，以更有效地利用有限比特数来编码视觉复杂图像区域。我们在 Kodak 和 Tecnick 图像集上评估了我们的方法，并与标准编解码器以及近期发表的基于深度神经网络的方法进行了比较。
引用
@article{arxiv.1703.10114,
title = {Improved Lossy Image Compression with Priming and Spatially Adaptive Bit Rates for Recurrent Networks},
author = {Nick Johnston and Damien Vincent and David Minnen and Michele Covell and Saurabh Singh and Troy Chinen and Sung Jin Hwang and Joel Shor and George Toderici},
journal= {arXiv preprint arXiv:1703.10114},
year = {2017}
}