RQAT-INR：改进的隐式神经图像压缩
计算机视觉与模式识别
2023-03-07 v1
摘要
近年来，用于图像和视频压缩的深度变分自编码器受到了显著关注，因为它们有潜力提供与传统编解码器（如 AVC、HEVC 或 VVC）数十年来相比更具竞争力或更优的压缩率。然而，由于复杂度和能耗，这些方法仍远未在实际工业中应用。更近以来，基于隐式神经表示（INR）的编解码器已经出现，并且在解码时比经典方法具有更低的复杂度和能耗。然而，它们目前的性能尚不能与最先进的方法相媲美。在本研究中，我们首先表明基于 INR 的图像编解码器比基于 VAE 的方法复杂度更低，随后我们提出了若干针对基于 INR 的图像编解码器的改进，并以较大优势超越了基线模型。
引用
@article{arxiv.2303.03028,
title = {RQAT-INR: Improved Implicit Neural Image Compression},
author = {Bharath Bhushan Damodaran and Muhammet Balcilar and Franck Galpin and Pierre Hellier},
journal= {arXiv preprint arXiv:2303.03028},
year = {2023}
}
备注
Accepted as oral at Data compression conference 2023