RFD-ECNet：基于特征字典参考的极端水下图像压缩
计算机视觉与模式识别
2023-08-21 v1
摘要
蓬勃发展的水下应用需要高效的极端压缩技术，以在极窄的水下带宽中实现水下图像（UWIs）的传输。然而，现有的图像压缩方法在UWIs上表现不佳，因为它们未考虑UWIs的特性：（1）由独特的水下物理成像引起的、多式多样的水下色偏与距离相关清晰度；（2）由不同UWIs包含若干共同海洋物体、在结构与语义上高度相似所导致的大量冗余。为消除UWIs间的冗余，我们首先构建详尽的水下多尺度特征字典，为UWI压缩提供由粗到细的参考特征。随后，创造性地提出了一种参考特征字典的极端UWI压缩网络（RFD-ECNet），其利用特征匹配与参考特征形变显著去除UWIs间的冗余。为对齐多式多样的水下风格并提高特征匹配精度，提出了水下风格归一化块（USNB），其利用从水下物理成像模型提取的水下物理先验，将字典特征的水下风格向输入归一化。此外，设计了参考特征形变模块（RFVM）以自适应地变形参考特征，提高参考与输入特征间的相似度。在四个UWI数据集上的实验结果表明，我们的RFD-ECNet是首个相比最先进的VVC取得31%显著BD-rate节省的工作。
引用
@article{arxiv.2308.08721,
title = {RFD-ECNet: Extreme Underwater Image Compression with Reference to Feature Dictionar},
author = {Mengyao Li and Liquan Shen and Peng Ye and Guorui Feng and Zheyin Wang},
journal= {arXiv preprint arXiv:2308.08721},
year = {2023}
}