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
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
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
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