显著性感知的端到端学习式可变码率 360 度图像压缩
图像与视频处理
2024-02-15 v1
摘要
对 360 图像（也称为全向图像 (ODI)）进行有效压缩，对于各种虚拟现实 (VR) 及相关应用具有很高的价值。二维图像压缩方法忽略了 ODI 的赤道偏向特性，未能解决极点附近的过采样问题，导致应用于 ODI 时压缩效率低下。我们提出了一种新的学习式显著性感知 360 图像压缩架构，该架构考虑 ODI 的独特属性，优先将比特分配给更重要的区域。通过向不太重要的区域分配更少的比特，可以在保持重要区域高视觉质量的同时，实现显著的数据大小缩减。据我们所知，这是首个提出利用显著性信息压缩 360 图像的端到端可变码率模型的研究。结果表明，在相似的感知视觉质量下，与最先进的学习式和传统 ODI 压缩方法相比，该方法显著节省了码率。
引用
@article{arxiv.2402.08862,
title = {Saliency-aware End-to-end Learned Variable-Bitrate 360-degree Image Compression},
author = {Oguzhan Gungordu and A. Murat Tekalp},
journal= {arXiv preprint arXiv:2402.08862},
year = {2024}
}
备注
7 pages with double column, 1 and a half for references, 6 figures and 4 tables, submitted to IEEE ICIP 2024