基于离散化高斯混合似然的低码率图像压缩
图像与视频处理
2020-04-10 v1
摘要
在本文中，我们详细描述了提交至2020年学习型图像压缩研讨会与挑战赛（CLIC）的方法Kattolab。我们的方法主要将离散化高斯混合似然（discretized Gaussian Mixture Likelihoods）引入先前最先进的学习型压缩算法中。此外，我们还描述了在低码率约束下的加速策略与比特优化。实验结果表明，在验证阶段和测试阶段，我们的方法Kattolab在0.15bpp码率约束下分别取得了0.9761和0.9802的MS-SSIM。该项目页面位于此链接 https://github.com/ZhengxueCheng/Learned-Image-Compression-with-GMM-and-Attention
引用
@article{arxiv.2004.04318,
title = {Low Bitrate Image Compression with Discretized Gaussian Mixture Likelihoods},
author = {Zhengxue Cheng and Heming Sun and Jiro Katto},
journal= {arXiv preprint arXiv:2004.04318},
year = {2020}
}
备注
accepted to CLIC 2020, 4 pages