java jpeg压缩解码_第二届学习图像压缩挑战赛

文 / Nick Johnston，机器感知软件工程师

去年，我们推出了学习图像压缩挑战赛 (CLIC) 活动，旨在推动图像压缩(借助及不借助神经网络)领域的发展。CLIC 于 2018 年计算机视觉与模式识别大会 (CVPR 2018) 期间举办并大获成功。我们接受了 23 篇研讨会论文，并有 95 位作者及 41 份作品参赛。本届挑战赛催生出众多新的图像压缩算法、医学影像压缩特定领域的应用，以及基于现有方法的扩展，冠军 Tucodec(下图中简称为 TUCod4c)的平均意见得分 (MOS) 比更好的便携式图像 (BPG) 压缩方案高出 13%。

注：23 篇研讨会论文 链接

http://openaccess.thecvf.com/CVPR2018_workshops/CVPR2018_W50.py

2018 年测试集中的图像示例，将原始图像与 BPG、JPEG 及九个竞赛团队的成果进行比较。所有方法在色彩再现方面均优于 JPEG，而且其中许多方法能够在标志上创建清晰的文本，这一点毫不亚于 BPG

今年，我们同样很高兴能在加州长滩的 CVPR 2019 期间联合赞助第二届学习图像压缩挑战赛。本届研讨会为期半日，我们将邀请嘉宾 Anne Aaron (Netflix)、Aaron Van Den Oord (DeepMind) 与 Jyrki Alakuijala (Google) 作精彩演讲。此外，2019 年挑战赛中五个表现最佳的团队将上台演讲，目前参赛作品的提交通道正在开放中。
今年的挑战赛为参赛者提供两条赛道。第一条赛道与去年相同，我们称之为 “低码率压缩” 赛道。低码率压缩的目标是将图像数据集压缩至每像素 0.15 位，并达到 PSNR、MS-SSIM 和人工评估评分任务测量的最高质量指标。 
第二条赛道结合了去年研讨会上的反馈，参赛者表示对逆向挑战很感兴趣，希望我们能以保持出色清晰度这一前提下的图像压缩次数为评判标准。在本届 “透明压缩” 挑战赛中，我们为(PSNR 与 MS-SSIM 中的)测试数据集设置了相对较高质量的阈值，目的是将数据集压缩至最小文件规模。
若您正在进行学习图像压缩领域的研究，我们鼓励您在 CVPR 2019 期间参加 CLIC。如需了解有关挑战赛和举办日期的更多详情，请访问 compression.cc。

致谢

本届学习图像压缩挑战赛由 Google、Twitter 和苏黎世联邦理工学院的研究人员联合举办。我们想感谢以下人士作出的贡献：George Toderici (Google)、Michele Covell (Google)、Johannes Ballé (Google)、Nick Johnston (Google)、Eirikur Agustsson (Google)、Wenzhe Shi (Twitter)、Lucas Theis (Twitter)、Radu Timofte(苏黎世联邦理工学院)、Fabian Mentzer(苏黎世联邦理工学院)。

更多 AI 相关阅读：

• 使用 Live Transcribe 进行实时连续转录

• 发布 Actions on Google 的 Java 和 Kotlin 客户端库

• Transformer-XL：释放注意力模型的潜力