SigVIC：空间重要性引导的可变码率图像压缩
图像与视频处理
2023-03-17 v1 人工智能
机器学习
多媒体
摘要
可变码率机制提升了基于学习的图像压缩的灵活性与效率，其为不同的率失真权衡训练多个模型。最常见的可变码率方法之一是沿通道维度或空间均匀地对内部特征进行缩放。然而，空间重要性的多样性对图像压缩的比特分配具有指导意义。本文提出一种空间重要性引导的可变码率图像压缩方法（SigVIC），其中设计了一个空间门控单元（SGU）用于自适应地学习空间重要性掩码。随后，空间缩放网络（SSN）利用该空间重要性掩码引导特征缩放与可变码率的比特分配。此外，为提升解码图像质量，通过浅层特征融合模块（SFFM）选取 Top-K 浅层特征以细化解码特征。实验表明，我们的方法优于其他基于学习的方法（无论是否可变码率）与传统编解码器，且具有存储节省与高灵活性。
引用
@article{arxiv.2303.09112,
title = {SigVIC: Spatial Importance Guided Variable-Rate Image Compression},
author = {Jiaming Liang and Meiqin Liu and Chao Yao and Chunyu Lin and Yao Zhao},
journal= {arXiv preprint arXiv:2303.09112},
year = {2023}
}
备注
Accepted by IEEE ICASSP2023 (Camera Ready)