基于八度残差块的学习型多分辨率变码率图像压缩
计算机视觉与模式识别
2021-01-01 v1 机器学习
图像与视频处理
摘要
近年来，基于深度学习的图像压缩已展现出超越传统编码器的潜力。然而，大多数现有方法针对多个码率训练多个网络，增加了实现复杂度。本文提出一种新的变码率图像压缩框架，其采用内置广义除法归一化（GDN）及其逆（IGDN）层的广义八度卷积（GoConv）与广义八度转置卷积（GoTConv）。编码器与解码器网络中还设计了新颖的基于 GoConv 和 GoTConv 的残差块。我们的方案还使用了基于随机舍入的标量量化。为进一步提升性能，我们将输入与解码器网络重建图像之间的残差作为增强层进行编码。为使单一模型能以不同码率运行并学习多码率图像特征，引入了新的目标函数。实验结果表明，采用变码率目标函数训练的所提框架优于基于 H.265/HEVC 的 BPG 等标准编码器以及最先进的基于学习的变码率方法。
引用
@article{arxiv.2012.15463,
title = {Learned Multi-Resolution Variable-Rate Image Compression with Octave-based Residual Blocks},
author = {Mohammad Akbari and Jie Liang and Jingning Han and Chengjie Tu},
journal= {arXiv preprint arXiv:2012.15463},
year = {2021}
}
备注
10 pages, 9 figures, 1 table; accepted to IEEE Transactions on Multimedia 2020. arXiv admin note: substantial text overlap with arXiv:1912.05688