论感知有损压缩：感知重建的代价与一种最优训练框架
信息论
2021-06-15 v1 人工智能
math.IT
摘要
有损压缩算法通常旨在给定码率下实现尽可能低的失真。然而，近期研究表明，追求高感知质量会导致最低可达失真（如 MSE）的增加。本文提供了非平凡的理论结果，揭示出：1）实现完美感知质量的代价恰好是最低可达 MSE 失真的翻倍；2）“经典”率失真问题的最优编码器同样也是感知压缩问题的最优编码器；3）训练感知解码器无需失真损失。进一步，我们提出了一种新颖的训练框架，以在给定码率下、完美感知约束下实现最低 MSE 失真。该框架使用以 MSE 优化编码器为条件的 GAN 判别器，优于使用失真加对抗损失的传统框架。实验用于验证理论发现并展示所提训练框架的优越性。
引用
@article{arxiv.2106.02782,
title = {On Perceptual Lossy Compression: The Cost of Perceptual Reconstruction and An Optimal Training Framework},
author = {Zeyu Yan and Fei Wen and Rendong Ying and Chao Ma and Peilin Liu},
journal= {arXiv preprint arXiv:2106.02782},
year = {2021}
}
备注
ICML 2021