自组织变分自编码器（Self-VAE）用于学习型图像压缩
图像与视频处理
2021-05-31 v3 计算机视觉与模式识别
摘要
在端到端优化的学习型图像压缩中，标准做法是使用带有广义除法归一化（GDN）的卷积变分自编码器将图像变换到潜空间。近来，从一组备选中学习最佳非线性的运算神经网络（ONN），以及通过泰勒级数逼近任意非线性的自组织变体 Self-ONN，被提出以解决卷积层和固定非线性激活的局限。本文中，我们提议将变分自编码器中的卷积层和 GDN 层替换为自组织运算层，并提出一种新颖的自组织变分自编码器（Self-VAE）架构，其受益于更强的非线性。实验结果表明，所提出的 Self-VAE 在率失真性能和感知图像质量上均有提升。
引用
@article{arxiv.2105.12107,
title = {Self-Organized Variational Autoencoders (Self-VAE) for Learned Image Compression},
author = {M. Akın Yılmaz and Onur Keleş and Hilal Güven and A. Murat Tekalp and Junaid Malik and Serkan Kıranyaz},
journal= {arXiv preprint arXiv:2105.12107},
year = {2021}
}
备注
Accepted for publication in IEEE International Conference on Image Processing (ICIP) 2021