BriefGPT - AI 论文速递
·
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。
📝
内容提要
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。
🎯
关键要点
- 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，并实现快速编码速度。
- 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。
- 该模型在基本运行点上超过传统编解码器的 10% BD 率。
- 通过灵活分配位分布，与 VVC intra 的锚点生成恒定质量点形成鲜明对比。
- VVC intra 显示出更具适应性的位分布结构。
- 提出了一种空间位分配方法来优化 JPEG-AI 的位分布并提高视觉质量。
- 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。
➡️
