面向易分析人脸表征的可扩展特征与纹理压缩
计算机视觉与模式识别
2021-04-20 v2 图像与视频处理
摘要
在以海量视觉数据为中心的应用中，为优化最终效用而紧凑地表示视觉信息起着基础性作用。尽管已提出众多方法分别服务于人类视觉感知和机器智能来高效压缩纹理与视觉特征，但研究二者之间相互作用的工作甚少。本文研究特征与纹理压缩的集成，并展示可通过分层方式实现通用且协作的视觉信息表示。具体地，我们在可扩展编码框架中研究特征与纹理压缩，其中基础层作为深度学习特征，增强层旨在完美重建纹理。基于深度神经网络的强大生成能力，基础特征层与增强层之间的鸿沟进一步由特征级纹理重建填补，旨在从特征进一步构造纹理表示。如此，原始纹理与重建纹理之间的残差可在增强层中进一步传输。为提升所提框架的效率，基础层神经网络以多任务方式训练，使得所学特征兼具高质量重建与高精度分析。我们进一步在人脸图像压缩中展示该框架与优化策略，并在码率-保真度和码率-准确度方面取得了有前景的编码性能。
引用
@article{arxiv.2004.10043,
title = {Towards Analysis-friendly Face Representation with Scalable Feature and Texture Compression},
author = {Shurun Wang and Shiqi Wang and Wenhan Yang and Xinfeng Zhang and Shanshe Wang and Siwei Ma and Wen Gao},
journal= {arXiv preprint arXiv:2004.10043},
year = {2021}
}