摘要：
概要 该文提出了两种有效的新编解码块：采用卷积层和Generalized Divisive Normalization(GDN)的分析(analysis)和合成块(synthesis)。该文的网络利用pixel RNN方法进行量化。此外，为了改进整个网络，我们使用LSTM细胞对残差图像进行编码，以减 阅读全文
摘要：
概述 帧间预测是混合视频编码框架的关键组成部分，旨在利用视频序列中的时间冗余，提高编码性能。在相互预测过程中，通常使用运动估计和运动补偿从参考图像中得到一个预测块。为了提高预测的编码性能，该文提出了一种基于神经网络的预测增强(NNIP)。NNIP由残差估计网络、组合网络和深度细化网络三种网络组成。 阅读全文
摘要：
概述 该文提出了一种基于卷积神经网络(CNN)的视频编码技术，利用视频预测网络(VPN)来支持高效视频编码(HEVC)中的增强运动预测。具体来说，其设计了一个CNNVPN来生成一个虚拟参考帧(VRF)，并使用先前编码的帧进行合成，以提高编码效率。所提出的VPN使用两种级联的子VPN体系结构来预测同一 阅读全文
摘要：
概要： 该文提出通过传输side信息来减弱基于神经网络压缩方法的伪影。 6.1 应用场景： 该文的工作是初步的探索端到端学习边信息的压缩，为得到增强的解码信息提供了借鉴。 6.2 关键设计思路： 边信息是由编码器通过分析原始图像和压缩图像之间的差别而获得的伪影描述符。在解码器中，接收到的描述符作为后 阅读全文
摘要：
1.1 摘要 在本文中，我们提出了一种基于神经网络(NN)的、基于端到端学习的机器的图像编解码器。特别地，我们提出了一套训练策略，以解决平衡竞争损失函数的微妙问题，如计算机视觉任务损失、图像失真损失和速率损失。我们的实验结果表明，我们的基于nn的编解码器在目标检测和实例分割任务上优于最先进的通用视频 阅读全文
摘要：
概要 该文开发了一种增强的深度超分辨率网络(EDSR)，其性能超过了目前最先进的SR方法。其的模型的显著性能改进是通过去除传统残差网络中不必要的模块（Batch Normalization）进行优化。在稳定训练（Residual Scaling）过程的同时，通过扩大模型尺寸进一步提高了性能。该文还提 阅读全文
摘要：
1. 概述 本文提出了一种以$Swin$变压器层为基本块的$SUNet$恢复模型，并将其应用于$UNet$架构中进行图像去噪。 2. 背景 图像恢复是一种重要的低级图像处理方法，可以提高其在目标检测、图像分割和图像分类等高级视觉任务中的性能。在一般的恢复任务中，一个被损坏的图像Y可以表示为： \[ 阅读全文
摘要：
1.安装Anaconda 第一条：wget https://repo.anaconda.com/archive/Anaconda3-2020.11-Linux-x86_64.sh 第二条：bash Anaconda3-2020.11-Linux-x86_64.sh 第三条：source ~/.bas 阅读全文
摘要：
1.安装Anaconda 第一条：wget https://repo.anaconda.com/archive/Anaconda3-2020.11-Linux-x86_64.sh 第二条：bash Anaconda3-2020.11-Linux-x86_64.sh 第三条：source ~/.bas 阅读全文
摘要：
2019 然而，深度压缩系统通常针对传统的失真指标进行了优化，如峰值信噪比(PSNR)或多尺度结构相似度(MS-SSIM)[45]。对于非常低的比特率(低于每像素0.1位(bpp))，保留完整的图像内容变得不可能，这些失真指标失去了意义，因为它们倾向于像素级保留局部（高熵）结构，而不是保留纹理和全局 阅读全文