图像压缩

在端到端学习图像压缩中，编码器和解码器联合训练以最小化 R + λD 成本函数，其中 λ 控制量化潜在表示的速率和图像质量之间的权衡。但是，必须为每个 λ 训练具有数百万个参数的不…

图像压缩与视觉分析通常作为独立领域研究，很少结合讨论。本论文提出了一种分层端到端人脸图像编码模型，该模型在高压缩比下提供高质量的人脸图像重建，同时支持多种视觉分析任务。通过联合优化…

借助深度学习技术，近期研究在图像压缩伪影减少方面取得了重大进展。尽管现有方法的性能有所提升，但它们仅专注于学习从压缩图像到原始图像的映射，而忽略了给定压缩图像的内在属性，这极大地损…

与经典图像压缩标准相比，学习图像压缩（LIC）方法已经展现出有希望的进步和卓越的率失真性能。现有的LIC方法大多数是基于卷积神经网络（CNN）或基于Transformer，它们具有…

论文摘要 在数字世界里，很多常见的数据类型都可以看作是一种特殊的连续函数形式，表征为隐式表征。例如，图像可以表征为将每个像素位置映射到对应RGB色值的连续函数。从这个角度出发，我们…

最近，基于深度学习的图像压缩方法取得了显着的成就，并在 PSNR 和 MS-SSIM 指标方面逐渐优于包括最新标准通用视频编码 (VVC) 在内的传统方法。学习图像压缩的两个关键组…

近年来，基于神经网络的图像压缩（NIC）得到了积极的发展，与传统方法相比，其表现出了令人印象深刻的性能。然而，由于NIC基于学习的特性，产生的浮点运算（FLOP）数量比传统算法高出…

目前，神经图像压缩（NIC）在分布内（in-distribution, IND）数据的 RD 性能和运行开销表现出了卓越的性能。然而，研究神经图像压缩方法在分布外（out-of-d…

内容摘要：C3 方法基于 COOL-CHIC，并对图像进行了几项简单而有效的改进。作者进一步开发了将 C3 应用于视频的新方法。在 CLIC2020 图像基准上，我们的 RD 性能…

本文主要讨论了基于深度学习的图像压缩编码方法（Learned Image Compression, LIC），通过在损失函数中引入相关性损失（correlation loss），强…

图像压缩技术通常侧重于压缩图像以供人类消费，这导致为下游应用传输冗余内容。为了解决这一问题，一些先前的工作提出对比特流进行语义结构划分，通过选择性的传输和重构可以满足特定的应用需求…

近年来，基于神经网络的图像压缩得到了积极的发展，与传统方法相比，其表现出了令人印象深刻的性能。然而，大多数工作都集中在不可扩展的图像压缩上，而空间可扩展图像压缩虽然有很多应用，但却…

本文提出一种将图像压缩的解码器与条件生成对抗网络结合的模型。MSE 不再是评价解码图像的唯一标准，通过调节因子 ，可以获得高感知质量的解码图像。这可以使得在低码率条件下解码的图片能…

最近的文本到图像生成模型的进步提供了从简短的文本描述中生成高质量图像的能力。这些基础模型在大规模数据集上预先训练,适用于几乎没有或不需要进一步训练的各种后续任务。自然的问题是,这些…

这篇文章主要介绍了一种基于深度学习网络的图像压缩框架，该框架并不把提升人类视觉质量作为最终目标，而是面向进行计算机视觉任务的机器并进行进行端到端的训练，最终得到了优于标准VVC的图…

医学图像（例如 X 射线）通常以高分辨率和大尺寸采集，以便捕捉更清晰的细节。本文工作实现了医学图像的压缩，同时保留了诊断所需的细粒度特征，这种特性被称为诊断无损。为此，使用超过一百…

本文提出了一种结合自回归、层次化以及组合先验的方案，并权衡他们的成本与效益。众所周知，自回归模型会带来显著的计算代价，但我们发现在压缩性能方面，自回归和分层先验是互补的，而且共同利…

大多数现有的学习图像压缩方法是基于 CNN 或基于 Transformer 的，它们具有不同的优势。如何有效的利用这两种方法的不同优势是一个值得探索的方向，而这面临着两个挑战：一是…

本文提出了一种细粒度流水线结构，以实现较高的 DSP 效率。此外，还开发了级联 DSP 和跳零解卷功能，以提高硬件性能。 来源：2022 IEEE Asian Solid-Stat…

先进的学习图像压缩方法以空间上下文模型为特色，与超先验方法相比，在率失真方面取得了巨大的改进。然而，自回归上下文模型需要串行解码，限制了运行性能。Checkerboard 上下文模…