基于注意力机制和离散高斯混合模型的端到端图像压缩方法

摘要：

图像压缩是图像处理领域重要的基础支撑技术之一.近年来,深度学习被用于解决图像压缩任务.潜在表示特征的冗余和概率估计的不准确往往会限制压缩性能的进一步提高.为了改善这类问题,提出一种基于注意力机制和离散高斯混合模型的端到端图像压缩方法.将全局上下文注意力模块嵌入到编码器,旨在构造紧凑的潜在表示特征.同时,将潜在表示特征建模为参数化的离散高斯混合模型,用于提高码率估计的准确度.实验结果表明,提出的算法无论在峰值信噪比(peak signal noise rate,PSNR)还是多尺度结构相似度(multi-scale structural similarity,MS-SSIM)指标上都高于传统方法.在视觉感知上,提出的图像压缩算法能产生更令人满意的压缩图像.

关键词：图像压缩、自编码器、卷积神经网络、深度学习

所属期刊栏目：32

分类号：TN919.8;TP391.4

资助基金：国家自然科学基金;重庆市科委自然科学基金

在线出版日期：2020-10-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：769-778