卷积自编码器、生成对抗网络与超分辨率用于图像压缩的性能比较
图像与视频处理
2018-07-03 v1
摘要
图像压缩已被研究数十年。近来，深度学习方法在许多计算机视觉任务中取得了巨大成功，并逐步用于图像压缩。在本文中，我们基于卷积自编码器（CAE）、生成对抗网络（GAN）以及超分辨率（SR）开发了三种整体压缩架构，并给出了全面的性能比较。根据实验结果，CAE 通过提取紧凑特征取得了优于 JPEG 的编码效率。GAN 在大的压缩比与高主观质量重建上显示出潜在优势。超分辨率在其中取得了最佳的率失真（RD）性能，可与 BPG 相媲美。
引用
@article{arxiv.1807.00270,
title = {Performance Comparison of Convolutional AutoEncoders, Generative Adversarial Networks and Super-Resolution for Image Compression},
author = {Zhengxue Cheng and Heming Sun and Masaru Takeuchi and Jiro Katto},
journal= {arXiv preprint arXiv:1807.00270},
year = {2018}
}
备注
Submitted to CVPR Workshop and Challenge On Learned Image Compression (CLIC) 2018