RECOMBINER: 基于贝叶斯隐式神经表征的稳健增强压缩
原文中文,约600字,阅读约需2分钟。发表于: 。COMBINER 是一种最近的数据压缩方法,它通过避免量化和直接优化速率 - 失真性能来解决以前基于隐式神经表示 (INR) 的方法的一个关键低效性。然而,COMBINER 仍然存在显著的限制:1)它使用了缺乏灵活性的分解先验和后验近似;2)它不能有效地适应数据中的局部偏差和全局模式;3)它的性能容易受到模型选择和变分参数初始化的影响。我们提出的方法,Robust and Enhanced...
RECOMBINER是一种数据压缩方法,通过线性重参数化INR权重、学习可调整的位置编码和分割高分辨率数据成补丁等方式,提高了性能和鲁棒性。实验证明,RECOMBINER在多个数据模态上取得了与最佳INR方法相媲美的结果,甚至在低比特率的低分辨率图像上胜过自动编码器的编解码器。