QVRF: A Quantization-error-aware Variable Rate Framework for Learned Image Compression

要約

学習した画像圧縮は有望な圧縮性能を示していますが、広範囲にわたる可変ビットレートは依然として課題です。
最先端の可変レート法は、モデルのパフォーマンスの損失を危うくし、多数の追加パラメーターを必要とします。
このホワイト ペーパーでは、単一モデル内で広範囲の可変レートを実現するために単変量量子化レギュレータ a を利用する量子化エラー認識可変レート フレームワーク (QVRF) を提示します。
具体的には、QVRF は、離散変数レートのすべての潜在表現の量子化誤差を制御するために、事前定義されたラグランジュ乗数と結合された量子化レギュレーター ベクトルを定義します。
さらに、再パラメータ化方法により、QVRF はラウンド量子化器と互換性があります。
徹底的な実験により、QVRF を備えた既存の固定レート VAE ベースの方法は、パフォーマンスを大幅に低下させることなく、単一のモデル内で広範囲の連続可変レートを達成できることが実証されています。
さらに、QVRF は、最小限の追加パラメーターで、レート歪み性能において最新の可変レート方式よりも優れています。

要約(オリジナル)

Learned image compression has exhibited promising compression performance, but variable bitrates over a wide range remain a challenge. State-of-the-art variable rate methods compromise the loss of model performance and require numerous additional parameters. In this paper, we present a Quantization-error-aware Variable Rate Framework (QVRF) that utilizes a univariate quantization regulator a to achieve wide-range variable rates within a single model. Specifically, QVRF defines a quantization regulator vector coupled with predefined Lagrange multipliers to control quantization error of all latent representation for discrete variable rates. Additionally, the reparameterization method makes QVRF compatible with a round quantizer. Exhaustive experiments demonstrate that existing fixed-rate VAE-based methods equipped with QVRF can achieve wide-range continuous variable rates within a single model without significant performance degradation. Furthermore, QVRF outperforms contemporary variable-rate methods in rate-distortion performance with minimal additional parameters.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google