错位量化器实现完美感知质量：基于常见随机性与无随机性量化器之间的联系
信息论
2024-06-28 v1 math.IT
摘要
率失真-感知 (RDP) 框架因其在神经压缩中的应用而受到广泛关注。重要的是理解常见随机性过程与无随机性过程之间的内在机制。不同于以往工作，我们从量化器设计的角度来研究此问题。通过分析理想化的设置，我们提供了对 RDP 框架下抖动量化优势的解释，这进一步使我们能够在概念上建立随机化 (抖动) 量化器与无常见随机性量化器之间的联系。这种新理解导致了一种基于错位量化器的 RDP 编码新方法。
引用
@article{arxiv.2406.19248,
title = {Staggered Quantizers for Perfect Perceptual Quality: A Connection between Quantizers with Common Randomness and Without},
author = {Ruida Zhou and Chao Tian},
journal= {arXiv preprint arXiv:2406.19248},
year = {2024}
}
备注
6 pages, 4 figures; to appear in the First "Learn to compression" Workshop @ ISIT 2024 as a spotlight paper