本文探讨了基于深度学习的图像压缩算法，包括End-to-End Optimized Image Compression和Variational image compression with a scale Hyper-prior。这些算法利用分析变换、统一量化器和合成变换，以及复杂的先验和自回归模型，实现图像的高效压缩和高质量恢复。通过引入高斯混合模型和上下文信息，优化损失函数以平衡压缩比率和失真率。同时，介绍了Decoder Side Information的概念，用于加速解码过程。
随着互联网技术的飞速发展，对于图像/视频数据的存储、传输等实际应用的需求也不断扩增。今天来简单介绍一下近期调研学习的，基于深度学习的图像压缩算法。
End-to-End Optimized Image Compression
文章来自ICLR2017，算法由analysis transform、uniform quantizer 和 synthesis transform组成。analysis transform过程包含三个重复阶段，每个阶段包括卷积线性滤波器+非线性激活函数，联合非线性的目的在于实现局部增益控制。由于uniform quantizer带来了梯度不可导，故引入proxy function代理函数实现网络端到端训练。松弛的损失函数可以看做通过VAE生成模型的对数似然，算法在PSNR、MS-SSIM测量指标下均优于JPEG及JPEG-2000方法。
如上图所示，算法在编码空间将图像进行编码压缩得到R；转换至感知空间，计算图像的失真率D。
下图为算法的分析(编码)和合成(解码)模块。分别使用了升降采样，GDN、IGDN结构。
GDN和IGDN
在Autoencoder模块中，使用了GDN[1](generalized divisive normalization)进行归一化处理。其类似一般CNN网络中的Batch Normalization作用，可以很好的捕捉图像的统计特性，并将其转换为高斯分布。GDN/IGDN公式如下，对应的在decoder阶段，使用GDN的逆IGND参与网络学习。下式中，k代表stage阶段序号，i,j代表像素位置。
针对本文的更多细节这里不再展开，继续看下一篇~
Variational image compression with a scale Hype
最低0.47元/天 解锁文章
1153
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
