神经编解码器中基于拉普拉斯引导的熵模型与模糊消散合成

虽然用条件扩散模型替换高斯解码器能够提升神经图像压缩中重建结果的感知质量，但它们缺乏对图像数据的归纳偏置，这限制了其达到最先进感知水平的能力。为了解决这一局限性，我们在解码器端采用了一种非各向同性扩散模型。该模型施加了一种旨在区分频率内容的归纳偏置，从而有助于生成高质量图像。此外，我们的框架配备了一种新颖的熵模型，该模型通过利用潜在空间中的空间-通道相关性来精确建模潜在表示的概率分布，同时加速熵解码步骤。这种通道级熵模型利用了每个通道块内的局部和全局空间上下文。全局空间上下文建立在专为图像压缩任务设计的Transformer之上。所设计的Transformer采用了一种拉普拉斯形状的位置编码，其可学习参数会针对每个通道簇进行自适应调整。我们的实验表明，与最先进的基于生成式的编解码器相比，我们提出的框架产生了更好的感知质量，并且所提出的熵模型有助于显著节省比特率。