基于超先验与离散化高斯混合似然的有损学习无损图像压缩
图像与视频处理
2020-02-06 v1
摘要
无损图像压缩是多媒体通信领域的一项重要任务。传统图像编解码器通常支持无损模式，例如 WebP、JPEG2000、FLIF。近来，基于深度学习的方法已开始展现出在此方面的潜力。超先验(HyperPrior)是一种为损失图像压缩提出的有效技术。本文将该超先验从有损模型推广到无损压缩，并在损失函数中提出一个 L2 范数项以加速训练过程。此外，本文还研究了针对潜码的不同的参数化模型，并提出使用高斯混合似然来实现自适应且灵活的上下文模型。实验结果验证了我们的方法能够优于现有的基于深度学习的无损压缩，并且在 JPG 图像上优于 JPEG2000 和 WebP。
引用
@article{arxiv.2002.01657,
title = {Learned Lossless Image Compression with a HyperPrior and Discretized Gaussian Mixture Likelihoods},
author = {Zhengxue Cheng and Heming Sun and Masaru Takeuchi and Jiro Katto},
journal= {arXiv preprint arXiv:2002.01657},
year = {2020}
}
备注
This paper has been accepted by ICASSP 2020