带死区量化器的变速率图像压缩方法
图像与视频处理
2020-04-28 v2
摘要
基于深度学习的图像压缩方法相比基于变换的传统编解码器取得了更优性能。通过编解码器中的端到端率失真优化（RDO），压缩模型以拉格朗日乘子 进行优化。对于传统编解码器，信号通过正交变换去相关，并引入均匀量化器。我们提出一种带死区量化器的变速率图像压缩方法。首先，自编码器网络在 RaDOGAGA 框架下进行训练，可使隐变量与度量空间（如 SSIM 和 MSE）等距。然后在通用训练网络上使用具有任意步长的传统死区量化方法以提供灵活的码率控制。实验结果表明，借助死区量化器，我们的方法在宽码率范围内性能与独立优化模型相当。
引用
@article{arxiv.2004.05855,
title = {Variable Rate Image Compression Method with Dead-zone Quantizer},
author = {Jing Zhou and Akira Nakagawa and Keizo Kato and Sihan Wen and Kimihiko Kazui and Zhiming Tan},
journal= {arXiv preprint arXiv:2004.05855},
year = {2020}
}