面向机器的立体图像编码：联合视觉特征压缩
计算机视觉与模式识别
2025-02-21 v1 图像与视频处理
摘要
2D图像编码用于机器（ICM）在编码效率方面取得了很大成功，而对于立体图像领域则投入的努力较少。为提升立体图像压缩（SIC）和智能分析的效率，本文提出并探讨了立体图像编码用于机器（SICM）。具体而言，本文提出了一种用于SICM的机器视觉导向立体特征压缩网络（MVSFC-Net），用于从3D视觉任务中有效提取、压缩和传输立体视觉特征。为了高效压缩MVSFC-Net中的立体视觉特征，设计了立体多尺度特征压缩（SMFC）模块，以去除空间、视图间和跨尺度冗余，逐步将稀疏立体多尺度特征转换为紧凑的联合视觉表示。实验结果表明，所提出的MVSFC-Net在与MPEG推荐的现有ICM锚和最先进的SIC方法比较时，获得了优异的压缩效率和3D视觉任务性能。
引用
@article{arxiv.2502.14190,
title = {Stereo Image Coding for Machines with Joint Visual Feature Compression},
author = {Dengchao Jin and Jianjun Lei and Bo Peng and Zhaoqing Pan and Nam Ling and Qingming Huang},
journal= {arXiv preprint arXiv:2502.14190},
year = {2025}
}