MIT提出生成式压缩：使用生成式模型高效压缩图像与视频数据

↑ 点击蓝字关注极市平台 识别先机 创造未来

选自arXiv

机器之心编译

参与：李亚洲

论文地址：https://arxiv.org/abs/1703.01467

摘要

传统的图像和视频压缩算法要依赖手动调整的编码器／解码器对（多媒体数字信号编解码器，codec)，缺乏适应性，对被压缩的数据也不可知。在这篇论文中，我们描述了生成式压缩的概念，也就是数据的压缩使用生成式模型。我们也表明这是一个值得追随的方向，可在图像和视频数据上取得更准确的、视觉上更享受的高压缩重建。我们也证明，相比于传统的变长度编码方案，生成式压缩在比特误码率上有更大的复原力（例如，从有噪声的无线通信频道）。

图 1：传统图像压缩对比生成式图像压缩

图 2：图像的生成式压缩架构（左图）与视频的生成式压缩架构

图 3：使用各种压缩技术进行图像重建的对比

图 4：（a) 压缩图像真实可信度的验证 (η=压缩因子），NCode 与 JPEG、JPEG2000、Toderici et al[6] 方法进行对比，使用在未压缩图像上单独训练的卷积网络将每个样本分类到相应的 CIFAR-10 数据集类别中。（b) 每个 NCode 图像数据集上重建图像质量的损失（PSNR）用比特误码率函数 ε 表示。JPEG PSNR 在 ε ∼ 10−4 上的损失大约超过 7dB。

本文授权转自机器之心。

PS. 如有想加入极市专业CV开发者微信群，请填写申请表（链接：http://cn.mikecrm.com/wcotd9）申请入群~