Github 项目推荐 | 用 TensorFlow 实现基于 GAN 的极限图像压缩框架

本库是用 TensorFlow 实现的基于 GAN 的极限图像压缩框架。该方法由 Agustsson 等人开发，该方法非常有趣，详细信息请查阅论文：

Generative Adversarial Networks for Extreme Learned Image Compression

https://arxiv.org/abs/1804.02958

Github 链接：

https://github.com/Justin-Tan/generative-compression

用法

代码基于 TensorFlow 1.8

# Clone
$ git clone https://github.com/Justin-Tan/generative-compression.git
$ cd generative-compression

# To train, check command line arguments
$ python3 train.py -h
# Run
$ python3 train.py -opt momentum --name my_network

训练的批尺寸（batch size）为 1，每隔一定数量的步骤将重新构造 samples / tensorboard。Checkpoint 每十个 epoches 储存一次。

图像压缩（即将推出）

# Compress
$ python3 compress.py -h  # check arguments
$ python3 compress.py -i /path/to/image -r /path/to/model/checkpoint

结果

这些全局压缩的图像来自 Cityscapes leftImg8bit 数据集的测试分割。

C = 8 channels, multiscale discriminator

Show quantized C=4,8,16 channels image comparison

预训练模型

开发者可以找到用于全局压缩的预训练模型，其中 C = 8（对应于 0.072bpp 表示）的通道瓶颈和<dropbox link here>下的多尺度鉴别器损失。 该模型在Cityscapes（https://www.cityscapes-dataset.com/） leftImg8bit 数据集的划分中了 64 个 epochs 来训练。

警告：这些模型在 TensorFlow 1.3 下训练，不过在 TensorFlow 1.8 下似乎也能正常加载。

详细信息请查看 Github 官方链接：

https://github.com/Justin-Tan/generative-compression