在神经图像压缩中通过过拟合解码器偏置提升重建质量
图像与视频处理
2022-10-12 v1 计算机视觉与模式识别
机器学习
摘要
端到端可训练模型在视频和图像上已达到传统手工压缩技术的性能。由于这些模型的参数是在大型训练集上学习得到的，它们对于任何待压缩的给定图像并非最优。在本文中，我们提出对解码器偏置的一个子集进行基于实例的微调，以额外的编码时间和微小的附加信令成本为代价来改善重建质量。所提方法适用于任何端到端压缩方法，将最先进的神经图像压缩的 BD-rate 提升了 。
引用
@article{arxiv.2210.04898,
title = {Improving The Reconstruction Quality by Overfitted Decoder Bias in Neural Image Compression},
author = {Oussama Jourairi and Muhammet Balcilar and Anne Lambert and François Schnitzler},
journal= {arXiv preprint arXiv:2210.04898},
year = {2022}
}
备注
PCS2022