HiFiC: нейромережа реалістично стискає зображення

HiFiC: нейромережа реалістично стискає зображення
1 хв. читання
22 червня 2020

Завдання стиснення розміру зображення з мінімальною втратою якості — це одна з актуальних проблем в комп'ютерному зорі. Для її вирішення state-of-the-art підходом є використання GAN. Дослідники з Google Research проекспериментували з архітектурами GAN для стиснення зображень. Розробники порівнюють види нормалізації, стратегії навчання, функції втрат і архітектури генератора та дискримінатора. Запропонована відібрана модель (HiFiC), за результатами порівнянь, краща навіть у випадку, якщо минулі підходи використовують бітрейт у два рази вище. Підхід можна застосовувати для зображень у високій роздальній здатності.

Архітектура нейромережі

Нижче представлена структура моделі, яка складається з чотирьох компонентів:

  • Кодер;
  • Генератор;
  • Імовірнісна модель;
  • Дискримінатор

ConvC — це згортка з C каналами; Norm — це LayerNorm; LReLU — це leaky ReLU активація, а Q означає квантизацию.

HiFiC: нейромережа реалістично стискає зображення
Візуалізація складових частин моделі: G — генератор, D — дискримінатор, P — імовірнісна модель, E — кодувальник

Тестування HiFiC

Дослідники оцінили модель кількісними та якісними способами. Кількісна оцінка проводилася за допомогою метрик FID, KID, NIQE, LPIPS, PSNR і MS-SSIM. Результати, які генерує модель, відповідають rate-distortion-perception теорії.

HiFiC: нейромережа реалістично стискає зображення
Результати якісної та кількісної оцінок моделі
Помітили помилку? Повідомте автору, для цього достатньо виділити текст з помилкою та натиснути Ctrl+Enter
Коментарі (0)

    Ще немає коментарів

Щоб залишити коментар необхідно авторизуватися.

Вхід / Реєстрація