SADN：基于空间-角度去相关的学习型光场图像压缩
图像与视频处理
2022-02-23 v1 计算机视觉与模式识别
摘要
光场图像成为沉浸式视频应用中最有前景的媒体类型之一。本文提出一种新颖的端到端空间-角度去相关网络（SADN），用于高效光场图像压缩。不同于现有方法仅利用光场图像中的空间或角度一致性，SADN 通过空间-角度交互中的扩张卷积和步长卷积解耦角度与空间信息，并进行特征融合以联合压缩空间与角度信息。为训练稳定且鲁棒的算法，我们提出并构建了一个由 7549 张光场图像组成的大规模数据集。所提方法相对于 H.266/VVC 和 H.265/HEVC 帧间编码分别提供 2.137 倍和 2.849 倍的压缩效率提升。它还以平均 79.6% 的码率节省优于端到端图像压缩网络，且主观质量和光场一致性显著更高。
引用
@article{arxiv.2202.10837,
title = {SADN: Learned Light Field Image Compression with Spatial-Angular Decorrelation},
author = {Kedeng Tong and Xin Jin and Chen Wang and Fan Jiang},
journal= {arXiv preprint arXiv:2202.10837},
year = {2022}
}