PerCo (SD)：开放式感知压缩
计算机视觉与模式识别
2024-10-01 v1
摘要
我们介绍 PerCo (SD)，这是一种基于 Stable Diffusion v2.1 的感知图像压缩方法，针对超低比特范围。PerCo (SD) 是 PerCo 的开放且具竞争力的替代方案，而后者依赖于专有 GLIDE 变体且对公众封闭。本文我们回顾了理论基础，讨论了将 PerCo 适配至 Stable Diffusion 生态系统中的关键工程决策，并提供了全面的定性和定量比较。在 MSCOCO-30k 数据集上，PerCo (SD) 在感知特征方面表现出改进，代价是更高的失真。我们部分归因于所用模型容量不同（866M vs. 1.4B）。我们希望本工作有助于更深入理解其 underlying mechanisms，并为该领域的未来进步铺路。代码和训练好的模型将发布于 https://github.com/Nikolai10/PerCo。
关键词
引用
@article{arxiv.2409.20255,
title = {PerCo (SD): Open Perceptual Compression},
author = {Nikolai Körber and Eduard Kromer and Andreas Siebert and Sascha Hauke and Daniel Mueller-Gritschneder and Björn Schuller},
journal= {arXiv preprint arXiv:2409.20255},
year = {2024}
}