FLLIC: Functionally Lossless Image Compression

要約

最近、可逆画像コーディング用の DNN モデルは、圧縮パフォーマンスにおいて従来のモデルを上回り、自然カラー画像のビット レートを約 10% 削減しました。
しかし、これらの進歩にもかかわらず、自然画像の数学的可逆画像圧縮 (MLLIC) 比は、現在および今後の最も実用的なイメージングおよびビジョン システムの帯域幅と費用対効果の要件を依然として満たしていません。
圧縮パフォーマンスにおける MLLIC のボトルネックを解消するには、MLLIC の必要性を疑問視します。これは、ほとんどすべてのデジタル センサーが本質的に取得ノイズを導入し、数学的にロスレス圧縮が逆効果になるためです。
したがって、MLLIC とは対照的に、機能的可逆画像圧縮 (FLLIC) と呼ばれるノイズ除去と圧縮を統合する新しいパラダイムを提案します。これは、最適にノイズ除去された画像の可逆圧縮を実行します (最適性はタスク固有である可能性があります)。
ノイズの多い入力に関して文字通りロスレスではありませんが、FLLIC は、潜在的なノイズのないオリジナル画像の可能な限り最良の再構築を達成することを目指しています。
広範な実験により、FLLIC は共同ノイズ除去とノイズのある画像の圧縮において最先端のパフォーマンスを達成し、それをより低い計算コストで実現できることが示されています。

要約(オリジナル)

Recently, DNN models for lossless image coding have surpassed their traditional counterparts in compression performance, reducing the bit rate by about ten percent for natural color images. But even with these advances, mathematically lossless image compression (MLLIC) ratios for natural images still fall short of the bandwidth and cost-effectiveness requirements of most practical imaging and vision systems at present and beyond. To break the bottleneck of MLLIC in compression performance, we question the necessity of MLLIC, as almost all digital sensors inherently introduce acquisition noises, making mathematically lossless compression counterproductive. Therefore, in contrast to MLLIC, we propose a new paradigm of joint denoising and compression called functionally lossless image compression (FLLIC), which performs lossless compression of optimally denoised images (the optimality may be task-specific). Although not literally lossless with respect to the noisy input, FLLIC aims to achieve the best possible reconstruction of the latent noise-free original image. Extensive experiments show that FLLIC achieves state-of-the-art performance in joint denoising and compression of noisy images and does so at a lower computational cost.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google