JPEG-AI 标准中空间质量图的位分布研究与实现
原文中文,约500字,阅读约需2分钟。发表于: 。当前,对基于神经网络的图像压缩编解码器有很高的需求。这些编解码器采用非线性变换创建紧凑的位表示,并通过在设备上实现快速编码速度,与经典框架中使用的手工设计变换相比,科研和工业界对这些特性非常感兴趣,推动了 JPEG-AI 的标准化工作。通过利用神经网络,该模型在基本运行点上超过传统编解码器的 10% BD 率,并通过在空间域中灵活分配位分布,与 VVC intra...
当前,对基于神经网络的图像压缩编解码器有很高的需求。该模型利用神经网络,在基本运行点上超过传统编解码器的10% BD率,并通过在空间域中灵活分配位分布,与VVC intra的锚点生成恒定质量点的方式形成鲜明对比。应用VVC的位分布策略,可以进一步提高JPEG-AI的客观性能,使PSNR-Y获得最大增益0.45 dB。