首页 > 其他分享 >ELIC: Efficient Learned Image Compression with Unevenly Grouped Space-Channel Contextual Adaptive Co

ELIC: Efficient Learned Image Compression with Unevenly Grouped Space-Channel Contextual Adaptive Co

时间:2023-10-31 19:23:10浏览次数:26  
标签:编码 Compression ELIC Efficient 模型 Grouped

abstruct

\(\quad\) 受能量压缩表现的启发,提出了不均匀通道情况自适应编码.结合不均匀分组模型和现有上下文模型,获得一种空间通道上下文自适应模型,来提高编码性能,而不影响其运行时间。
\(\quad\)这种模型支持预览解码和渐进解码。

introduction

学习图像压缩中最重要的技术 联合前后向传播的自适应熵编码模型,该模型将编码标记的边际概率模型转化为将额外潜在变量当做先验的联合模型,导致更少的冗余。

标签:编码,Compression,ELIC,Efficient,模型,Grouped
From: https://www.cnblogs.com/CLGYPYJ/p/17801054.html

相关文章

  • 【CVPR2023】Efficient and Explicit Modelling of Image Hierarchies for Image Rest
    >论文:https://readpaper.com/paper/4728855966703960065代码:https://github.com/ofsoundof/GRL-Image-Restoration这个论文的代码地址叫GRL,意思是Global,Regional,Local的意思,作者从三个尺度对特征建模,核心是构建了一个anchoredstripself-attention。如何从Global,R......
  • 2023ACMMM_Mutual Information-driven Triple Interaction Network for Efficient Ima
    一.Motivation之前网络存在的缺点:1.使用的有限的频域信息 2. 不充足的信息交互:(1)第一阶段的输出直接作为第二阶段的输入,忽略了中间特征从早期到后期的传播(2)在编码器解码器结构同尺度之间进行特征融合,忽略了阶段内和跨阶段的跨尺度信息交换3. 严重的特征......
  • Conditional Probability Models for Deep Image Compression
    深度神经网络被训练来作为图像压缩的自动编码器是一个前沿方向,面临的挑战有两方面——量化(quantization)和权衡reconstructionerror(distortion)andentropy(rate),这篇文章关注后者。主要思想是使用上下文模型直接对潜在表示的熵建模;3D-CNN一个学习自动编码器潜在分布的条......
  • 论文阅读:Nerflets: Local Radiance Fields for Efficient Structure-Aware 3D Scene R
    Nerflets:LocalRadianceFieldsforEfficientStructure-Aware 3DSceneRepresentationfrom2DSupervisionNerflets:用于高效结构感知的三维场景的二维监督的局部辐射场图1。我们提出用一组局部神经辐射场来表示场景,称为nerflets,仅在2D监督下进行训练。我们的表示法不仅适......
  • Conditional Probability Models for Deep Image Compression
    深度神经网络被训练来作为图像压缩的自动编码器是一个前沿方向,面临的挑战有两方面——量化(quantization)和权衡reconstructionerror(distortion)andentropy(rate),这篇文章关注后者。主要思想是使用上下文模型直接对潜在表示的熵建模;3D-CNN一个学习自动编码器潜在分布的条......
  • 论文阅读:A Lightweight Knowledge Graph Embedding Framework for Efficient Inferenc
    ABSTRACT现存的KGE方法无法适用于大规模的图(由于存储和推理效率的限制)作者提出了一种LightKG框架:自动的推断出码本codebooks和码字codewords,为每个实体生成合适的embedding。同时,框架中包含残差模块来实现码本的多样性,并且包含连续函数来近似的实现码字的选择。为更好的提升K......
  • 【流行前沿】Text + Sketch Image Compression at Ultra Low Rates
    今天分享一篇7月挂在arxiv上的文章,研究的是用生成式网络进行图片压缩。近十年来,用图片压缩的主流方法是神经网络来做。17年左右流行用带有量化的autoencoder来做图片压缩,同时训练的指标也是常用的distortionmetric,比如MSE,PSNR,MS-SSIM等等。但是这些方法在低比特率的时候通常有......
  • EfficientFormer:高效低延迟的Vision Transformers
    我们都知道Transformers相对于CNN的架构效率并不高,这导致在一些边缘设备进行推理时延迟会很高,所以这次介绍的论文EfficientFormer号称在准确率不降低的同时可以达到MobileNet的推理速度。Transformers能否在获得高性能的同时,跑得和MobileNet一样快?为了回答这个问题,作者首先回顾......
  • HBase HFile与Prefix Compression内部实现全解--KeyValue格式
    1.引子 HFile(HBaseFile)是HBase使用的一种文件存储格式的抽象, 目前存在两种版本的HFile:HFileV1和HFileV2 HBase0.92之前的版本仅支持HFileV1,HBase0.92/0.94同时支持HFileV1和HFileV2。 以下分别是HFileV1/V2的结构图: HFileV1HFileV2(注:这两个图片在hbase......
  • [VLDB 2012]Efficient Subgraph Matching on Billion Node Graphs
    [VLDB2012]EfficientSubgraphMatchingonBillionNodeGraphs重点了解实现star-join的具体过程。分解query和STwigs排序文中把star叫做STwigs,每一个STwigs查询为\(q=(r,L)\),其中r是跟节点标签,L是子节点标签合集。点的选择性:\(f(v)=deg(v)/freq(v.label)\)分解算法:每次......