- 博客(8)
- 收藏
- 关注
RSS订阅原创 论文阅读《CONDITIONAL AND RESIDUAL METHODS IN SCALABLE CODING FOR HUMANS AND MACHINES》
我们在人类和机器的可扩展编码的背景下提出了条件编码和残差编码的方法。我们的重点是使用计算机视觉任务中可用的信息来优化重建任务的率失真性能。我们对两种方法进行了信息分析，以提供基线，并提出了一种适合条件编码的熵模型，该模型具有增强的建模能力和与以前的工作类似的易处理性。我们将这些方法应用于图像重建，在一种情况下，使用为 Cityscapes 数据集上的语义分割创建的表示，在另一种情况下，使用为 COCO 数据集上的对象检测创建的表示。
2024-05-16 21:14:28
931
1
原创 《Deep Contextual Video Compression》论文阅读
现有的神经视频压缩方法大多采用预测编码框架，首先生成预测帧，然后用当前帧对其残差进行编码。然而，就压缩率而言，预测编码只是次优解决方案，因为它使用简单的减法运算来消除帧间的冗余。在本文中，我们提出了一种深度上下文视频压缩框架，以实现从预测编码到条件编码的范式转变。特别是，我们尝试回答以下问题：如何在深度视频压缩框架下定义、使用和学习条件。为了挖掘条件编码的潜力，我们建议使用特征域上下文作为条件。这使我们能够利用高维上下文向编码器和解码器携带丰富的信息，这有助于重建高频内容以获得更高的视频质量。
2024-05-15 17:57:25
1083
1
原创 《END-TO-END OPTIMIZED IMAGE COMPRESSION》论文阅读
我们描述了一种图像压缩方法，包括非线性分析变换、均匀量化器和非线性合成变换。这些变换是在卷积线性滤波器和非线性激活函数的三个连续阶段中构造的。与大多数卷积神经网络不同，受用于模拟生物神经元的网络的启发，选择联合非线性来实现一种局部增益控制形式。使用随机梯度下降的变体，我们在训练图像数据库上联合优化整个模型的率失真性能，引入量化器产生的不连续损失函数的连续代理。在某些条件下，松弛损失函数可以解释为由变分自动编码器实现的生成模型的对数似然。
2024-04-26 17:40:40
1089
原创 《End-to-end optimization of nonlinear transform codes for perceptual quality》论文阅读
本文引入了一个通用框架，用于假设标量量化的非线性变换码的速率失真性能的端到端优化。该框架可用于结合任何可微的感知度量来优化任何可微的分析和合成变换对。作为一个例子，本文考虑一个由线性变换和多维局部增益控制形式构建的代码。失真是通过最先进的感知指标来测量的。当在大型图像数据库上进行优化时，与固定 (DCT) 代码以及针对均方误差优化的线性变换代码相比，这种表示形式在比特率和感知外观方面提供了显着的改进。在图像压缩中对图像进行变换是最常用的方法，在传统编码器中采用的大多都是可逆的线性变换。
2024-04-24 10:38:36
699
3
原创 DLPR:Deep-Lossy-Plus-Residual-Coding运行记录
深度有损加残差（DLPR）编码是最先进的基于学习的无损和近无损图像压缩算法，运行速度快。ieeearxivps:以DLPR_ll为例至此可以按照官方给的代码进行训练和测试。但为了更好的体验，建议修改test.py可以进行批量测试。import osstart = 1return COTprint(if c == 0:else::] + \j = 0if c == 0::, :]else::, :] + \j += 1# 加载并处理图像的代码# DLPR编码。
2024-03-23 08:46:44
597
原创 L3C-PyTorch运行记录
本文没有重新整理，按照本文的顺序创建环境运行代码会遇到可避免的问题。所有请看完之后再进行实践。对照 pip_requirements.txt单独使用pip进行下载包，不用写版本号。编译torchac，需要测试。
2024-01-16 21:15:45
367
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人