Device Interoperability for Learned Image Compression with Weights and Activations Quantization

要約

学習型画像圧縮は、HEVCやVVCといった従来の画像コーデックを符号化性能で凌駕するレベルまで向上しています。圧縮コーデックを導入するためには、圧縮性能の良さに加えて、デバイスの相互運用性、すなわち、異なるCPUやGPUでの符号化・復号化がエラーなく、かつ無視できるほど性能が低下しないことが不可欠である。本論文では、最先端の画像圧縮ネットワークにおけるデバイスの相互運用性問題を解決する方法を提示する。エントロピーパラメータを出力するエントロピーネットワークに量子化を実装する。また、浮動小数点モデルの結果から0.3%のBD-rateというわずかな性能差で、クロスプラットフォームでの符号化・復号化を保証し、迅速に実装できる簡単な方法を提案する。

要約(オリジナル)

Learning-based image compression has improved to a level where it can outperform traditional image codecs such as HEVC and VVC in terms of coding performance. In addition to good compression performance, device interoperability is essential for a compression codec to be deployed, i.e., encoding and decoding on different CPUs or GPUs should be error-free and with negligible performance reduction. In this paper, we present a method to solve the device interoperability problem of a state-of-the-art image compression network. We implement quantization to entropy networks which output entropy parameters. We suggest a simple method which can ensure cross-platform encoding and decoding, and can be implemented quickly with minor performance deviation, of 0.3% BD-rate, from floating point model results.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL