面向不稳定卫星网络的损失鲁棒图像编码
计算机视觉与模式识别
2025-01-22 v1 图像与视频处理
摘要
轨道器材料 (GEO) 卫星通信在紧急短时脉冲数据服务中显示出显著优势。然而，特别是存在频繁数据包丢失的不稳定卫星网络，为准确图像传输 presents a severe challenge。为此，我们提出一种基于 end-to-end 优化的学习图像压缩 (LIC) 的损失鲁棒图像编码方法。该方法基于信道间逐步编码框架，集成了编码器侧的 Spatial-Channel Rearrangement (SCR) 和解码器侧的 Mask Conditional Aggregation (MCA)，以提高对不可预测错误的重构质量。通过将 Gilbert-Elliot 模型整合到训练过程中，我们增强了模型在真实世界网络条件下的泛化能力。广泛的评估表明，我们的方法在压缩性能和在 diverse packet loss 条件下的稳定性方面均优于传统和深度学习方法， offering robust and efficient progressive transmission，即使在具有挑战性的环境中也能实现。代码已公开 https://github.com/NJUVISION/LossResilientLIC。
引用
@article{arxiv.2501.11263,
title = {Towards Loss-Resilient Image Coding for Unstable Satellite Networks},
author = {Hongwei Sha and Muchen Dong and Quanyou Luo and Ming Lu and Hao Chen and Zhan Ma},
journal= {arXiv preprint arXiv:2501.11263},
year = {2025}
}
备注
Accepted as a poster presentation at AAAI 2025