面向基于生成对抗网络的联合图像生成与压缩
计算机视觉与模式识别
2019-01-24 v1
摘要
本文中，我们提出一种生成对抗网络框架，其生成压缩图像，而非合成原始 RGB 图像并分别压缩它们。在现实世界中，大多数图像与视频以压缩格式存储与传输，以节省存储容量与数据传输带宽。然而，由于典型的生成对抗网络生成原始 RGB 图像，这些生成的图像需要经过后处理阶段压缩以减小数据尺寸。在图像压缩方法中，JPEG 一直是静态图像最常用的有损压缩方法之一。因此，我们提出一种利用生成对抗网络生成 JPEG 压缩图像的新框架。该新型生成器由所提出的局部连接层、色度子采样层、量化层、残差块与卷积层构成。提出局部连接层以实现基于块的操作。我们还讨论了所提架构的训练策略，包括损失函数及其生成器与判别器之间的转换。所提方法使用公开可用的 CIFAR-10 数据集与 LSUN bedroom 数据集进行评估。结果表明所提方法能够生成具有竞争性质量的压缩数据。所提方法是基于生成对抗网络的联合图像生成与压缩的一个有前景的基线方法。
引用
@article{arxiv.1901.07838,
title = {Toward Joint Image Generation and Compression using Generative Adversarial Networks},
author = {Byeongkeun Kang and Subarna Tripathi and Truong Q. Nguyen},
journal= {arXiv preprint arXiv:1901.07838},
year = {2019}
}