Unified learning-based lossy and lossless JPEG recompression

要約

JPEG は、依然として最も広く使用されている画像圧縮アルゴリズムです。
ほとんどの画像圧縮アルゴリズムは、圧縮されていない元の画像のみを考慮し、多数の既存の JPEG 画像を無視します。
最近、JPEG ファイルのサイズをさらに削減するために、JPEG 再圧縮アプローチが提案されています。
ただし、これらの方法では JPEG の可逆再圧縮のみが考慮されており、これはレート歪み定理の特殊なケースにすぎません。
この論文では、学習された量子化テーブルとマルコフ階層変分オートエンコーダで構成される統合された可逆および可逆 JPEG 再圧縮フレームワークを提案します。
実験の結果、ビットレートが上限、つまり可逆圧縮モデルのビットレートに近い場合、私たちの方法は任意に低い歪みを達成できることが示されています。
私たちの知る限り、これは JPEG 画像の非可逆再圧縮と可逆再圧縮の間のギャップを埋める最初に学習された方法です。

要約(オリジナル)

JPEG is still the most widely used image compression algorithm. Most image compression algorithms only consider uncompressed original image, while ignoring a large number of already existing JPEG images. Recently, JPEG recompression approaches have been proposed to further reduce the size of JPEG files. However, those methods only consider JPEG lossless recompression, which is just a special case of the rate-distortion theorem. In this paper, we propose a unified lossly and lossless JPEG recompression framework, which consists of learned quantization table and Markovian hierarchical variational autoencoders. Experiments show that our method can achieve arbitrarily low distortion when the bitrate is close to the upper bound, namely the bitrate of the lossless compression model. To the best of our knowledge, this is the first learned method that bridges the gap between lossy and lossless recompression of JPEG images.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google