用于图像压缩的虚拟编解码器监督重采样网络
图像与视频处理
2018-07-11 v2 计算机视觉与模式识别
摘要
本文提出一种通过学习虚拟编解码器网络(VCN)的图像重采样压缩方法，以解决图像压缩中量化函数不可微的问题。此处图像重采样不仅指图像全分辨率重采样，亦指低分辨率重采样。我们将该方法推广至标准兼容图像压缩(SCIC)框架与基于深度神经网络压缩(DNNC)框架。具体而言，输入图像经重采样网络(RSN)测得重采样向量。随后，在SCIC中这些向量直接在特征空间量化，或在DNNC中对这些向量的离散余弦变换系数进行量化以进一步提高编码效率。在编码器端，量化后的向量或系数经算术编码无损压缩。在接收端，解码后的向量由图像解码网络(IDN)恢复输入图像。为以端到端方式联合训练RSN与IDN网络，我们的VCN网络模拟从重采样向量到IDN解码图像的映射。由此，从IDN网络到RSN网络的梯度可由VCN网络的梯度近似。由于在自编码器架构内图像重采样后于某些维度空间经量化可进一步降维，我们可从预训练自编码器网络良好初始化各网络。大量实验与分析验证了所提方法相较许多前沿方法更具有效性与通用性。
引用
@article{arxiv.1806.08514,
title = {Virtual Codec Supervised Re-Sampling Network for Image Compression},
author = {Lijun Zhao and Huihui Bai and Anhong Wang and Yao Zhao},
journal= {arXiv preprint arXiv:1806.08514},
year = {2018}
}
备注
13 pages, 11 figures Our project can be found in the website: https://github.com/VirtualCodecNetwork