ProxIQA：一种用于学习图像压缩感知优化的代理方法

由于简单性与解析性质，$\ell_p$ $(p=1,2)$ 范数在很大程度上主导了神经网络中损失的度量。然而，当用于评估视觉信息损失时，这些简单范数与人类感知并不十分一致。此处我们描述一种不同的“近端”方法，以针对定量感知模型优化图像分析网络。具体而言，我们构建了一个广义上称为 ProxIQA 的代理网络，其在模仿感知模型的同时作为网络的损失层。我们通过实验展示了该优化框架如何应用于训练端到端优化的图像压缩网络。基于现有深度图像压缩模型，我们能够在指定感知质量（VMAF）水平下，相较 MSE 优化实现高达 $31\%$ 的码率削减。