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：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

摘要：概要 ​ 该文提出了一个可变速率图像压缩的通用框架和一种基于卷积和反卷积LSTM递归网络的新架构。（不需要针对每个速率单独进行训练） 应用场景 适用于低分辨率图像的压缩及可变码率。 1. Variable Rate Compression Architecture Encoder: function 阅读全文