获取完整原文和代码,公众号回复:09020679903
论文地址: http://arxiv.org/pdf/2003.08033v1.pdf
代码: 公众号回复:09020679903
来源: 南京大学
论文名称:Object-Based Image Coding: A Learning-Driven Revisit
原文作者:Qi Xia
内容提要
基于对象的图像编码(OBIC)在20年前得到了广泛的研究,为超低比特率通信和高级语义内容理解提供了广阔的应用前景,但由于对任意形状对象的表达效率低下,它很少被使用。这背后的一个基本问题是如何在细粒度上有效地处理任意形状的对象(例如,特征元素或像素)。为了解决这个问题,我们提出通过设计一个用于图像层分解的对象分割网络来应用元素掩膜和压缩,以及并行的基于卷积的神经图像压缩网络来分别处理被掩蔽的前景对象和背景场景。所有组件都在端到端学习框架中进行了优化,以智能地权衡它们(如对象和背景)的贡献,以实现准确视觉的重建。我们进行了全面的实验来评估PASCAL VOC数据集在非常低比特率场景下的性能。与JPEG2K、HEVC-based BPG和其他基于学习到的图像压缩方法相比,该方法显示了明显的主观质量改善。
主要框架及实验结果
声明:文章来自于网络,仅用于学习分享,版权归原作者所有,侵权请加上文微信联系删除。