首页
学习
活动
专区
工具
TVP
发布

2016-ICLR-DENSITY MODELING OF IMAGES USING A GENERALIZED NORMALIZATION TRANSFORMATION

GDN 是连续且可微的,并且作者给出了其逆变换的有效方法。作者表示,GDN 能够对局部过滤器输出的成对数据产生更好的拟合效果,并生成更加自然的图像块(因此可以用于图像处理问题,比如图像去噪)。...此外,两层级联的 GDN 变换在捕获图像统计数据上效果更好。更广泛地来说,GDN 可以当作一个一般的深度无监督学习工具。 3....5.3 两层级联 作者在实验中发现,GDN 模型能很好地建模局部小范围的图像块,但当图像块范围扩大时,GDN 的性能就开始会下降,即无法捕获大范围的图像块像素间的统计关系。...这里也一样,不过作者选择了 CICA[10] 而不是线性变换作为中间层来旋转数据,最后的级联结构为:CICA-GDN-CICA-GDN。...总结 作者提出了一种新的概率模型 GDN 用来建模自然图像,GDN 被隐式定义为一种可逆非线性变换,该变换经过优化,可以对数据进行高斯化。同时作者也给出了优化 GDN 的方法(即优化负熵)。

1.2K30
您找到你想要的搜索结果了吗?
是的
没有找到

2016-PCS-End-to-end optimization of nonlinear transform codes for perceptual quality

4.1 分析变换 分析变换使用 GDN 模型 [2:1],其构成用数学语言描述如下: y=ga(x;ϕ) s.t. yi=vi(βi+∑jγij∣vj∣αij)εi and v=Hx\begin{align...4.2 综合变换 综合变换使用 GDN 模型的近似逆过程,也在文章 [2:2] 给出了,其构成用数学语言描述如下: x^=gs(y^;θ) s.t. x^=H′w and wi=y^i⋅(βi′+∑jγij...最后分别在 PSNR 和 D-NLP[3:2] 指标上的测试结果如下图所示: image.png 可以看到,在 PSNR 指标下,死区量化的 DCT 变换和基于 MSE 优化的 GDN 不相上下;但在...D-NLP 指标下,基于 NLP 优化的 GDN 和 Linear 都要远好于 DCT 变换。...通过使用 GDN 及其逆过程作为非线性变换,NLP 作为感知变换,该框架展现出了优于传统 DCT 变换的性能。 附录 Ballé, J., Laparra, V., & Simoncelli, E.

1K20
领券