BriefGPT - AI 论文速递
·
通过条件扩散解码器增强学习图像编解码器的速率失真感知灵活性
💡
原文中文，约400字，阅读约需1分钟。
📝
内容提要
本文提出了一种新型模型不可知剪枝方案，通过梯度衰减和自适应分层蒸馏来优化稀疏训练，以提高视频编码器的压缩效率。实验结果表明，该方法在减少计算开销的同时提高了速度和保持了视频质量。
🎯
关键要点
- 端到端学习的视频编码器在压缩效率方面与传统编码算法竞争。
- 基于学习的视频压缩模型存在高计算复杂性和延迟的问题，限制了实际应用。
- 提出了一种新型模型不可知剪枝方案，结合梯度衰减和自适应分层蒸馏。
- 梯度衰减增强了稀疏化过程中的参数探索，防止过度稀疏。
- 自适应分层蒸馏根据中间特征的失真情况调整稀疏训练，减少计算开销。
- 该方法已应用于三种流行的视频编码器：FVC、DCVC 和 DCVC-HEM。
- 实验结果显示，方法在 MACS 上减少了高达 65%，速度提升了 2 倍，BD-PSNR 下降不到 0.3dB。
- 支持代码和补充材料可从指定链接下载。
➡️
