在碎片化閱讀充斥眼球的時代，越來越少的人會去關注每篇論文背后的探索和思考。

在這個欄目里，你會快速 get 每篇精選論文的亮點和痛點，時刻緊跟 AI 前沿成果。

點擊本文底部的「閱讀原文」即刻加入社區，查看更多最新論文推薦。

這是 PaperDaily 的第?88?篇文章

本期推薦的論文筆記來自 PaperWeekly 社區用戶 @TwistedW。本文來自早稻田大學，論文用精煉的語言對比了幾類圖像生成模型，將卷積自編碼器（CAE）、生成對抗網絡（GAN）和超分辨率（SR）在生成圖像性能上做了比較。通過提取圖像緊湊的特征，文章得出 CAE 比 JPEG 具有更好的編碼效率，GAN 顯示出在大壓縮比和高主觀質量重建方面的潛在優勢，超分辨率在其中實現了最佳的速率失真（RD）性能，與 BPG 相當。

如果你對本文工作感興趣，點擊底部閱讀原文即可查看原論文。

關于作者：武廣，合肥工業大學碩士生，研究方向為圖像生成。

■?論文 | Performance Comparison of Convolutional AutoEncoders, Generative Adversarial Networks and Super-Resolution for Image Compression

■ 鏈接 | https://www.paperweekly.site/papers/2085

■ 作者 | Zhengxue Cheng / Heming Sun / Masaru Takeuchi / Jiro Katto

圖像壓縮在計算機視覺領域占據著比較重要的位置，隨著 GAN，VAE 和超分辨率圖像讓生成模型得到了很大的進步。不同的模型有著不同的性能優勢，本文用精煉的語言加上較為嚴謹的實驗對比了 GAN，CAE 和 super-resolution 在圖像壓縮性能上的優勢。

論文引入

圖像壓縮一直是圖像處理領域的一個基礎和重要的研究課題。傳統的圖像壓縮算法，如 JPEG，JPEG2000 和 BPG，依賴于手工制作的編碼器。深度學習方法的發展提高了圖像壓縮的性能，其中比較有突破的圖像壓縮是在 Autoencoder，GAN 和超分辨率方面。

這篇論文提出了三種架構，分別使用卷積自動編碼器（CAE），GAN 和超分辨率（SR）進行有損圖像壓縮。此外，還對它們的編碼性能并進行了全面的比較。?

實驗結果表明，由于 Autoencoder 可以緊湊表示特性，CAE 可以實現比 JPEG 更高的編碼效率；GAN 顯示出在大壓縮比和高主觀質量重建方面的潛在優勢；超分辨率在三種方法中實現了最佳的速率失真（RD）性能。?

總結一下論文的貢獻：?

• 基于 CAE，GAN，SR 提出了三種整體壓縮體系結構?

• 對這三種框架做了全面的性能比較

CAE用于圖像壓縮

文中將圖像壓縮中的 DCT 和小波變換換成了 CAE（卷積自編碼器），整體架構如下圖所示：

上圖比較符合傳統的圖像壓縮的流程，不過主要的框架是在 CAE 的基礎上建立的。連續的下采樣操作會破壞重建圖像的質量，所以 Autoencoder 采用卷積濾波器執行上下采樣，CAE 的內部結構如下圖：

內部卷積層之后的激活函數采用的是參數整流線性單元（PReLU）函數，而不是相關工作中常用的 ReLU，因為我們發現 PReLU 可以與 ReLU 相比時，提高了重建圖像的質量，尤其是在高比特率。整體的損失函數定義為：

其中為 MSE 損失，x 是原始圖像 x? 是重構圖像，μ 是均值噪聲，fθ(x) 是 x 經過 encoder 得到的編碼函數，g?(y) 為解碼得到的解碼函數。

GAN用于圖像壓縮

我們都知道 GAN 多用于圖像的生成，圖像的壓縮也需要在 GAN 的基礎上做一些小小的改變，那就是在生成器前面加上一個編碼器，這樣就可以把圖像 encode 到適合 G 生成即可，這個編碼器的結構和判別器類似，GAN 做圖像壓縮的整體框架如下：

這個模型框架結構很清晰，不需要太多的解釋，判別器可以提高輸出圖像的真實性，損失函數為：

這里只寫非對抗損失函數部分，對抗損失函數和原始 GAN 是一致的。JG(x) 包含兩部分，前半部分是 MSE 損失，后半部分是減小特征層的損失可有利于圖像的高質量重建。

基于 GAN 的體系結構與基于 CAE 的體系結構在圖像壓縮中有三個不同之處。首先，直接輸入 RGB 分量，因此不應用從 RGB 到 YCbCr 的色彩空間轉換；其次，不在訓練過程中添加統一的噪音，因為 GAN 會從噪音中繼承重建圖像。第三，使用范圍編碼器，而不是 JPEG2000 熵編碼器。

SR用于圖像壓縮

超分辨率壓縮結構如下圖所示：

對于具有復雜紋理或小分辨率的圖像，SR 將成為高質量重建的瓶頸。因此，在編碼器中構建重建循環且為自適應策略，該循環計算僅由 SR 引起的失真，即上圖中的 Pre PSNR。

當 Pre PSNR 大于預定閾值時，圖像被下采樣到（0.5W，0.5H）并且在解碼之后進行 SRCNN 濾波。否則，將圖像下采樣到（0.7W，0.7H），自適應策略的效果如下表。實驗中閾值設置為 33.0 dB，并且選擇約 30％ 的圖像以使用 SRCNN 濾波器。

性能比較

為了測量編碼效率，通過每像素比特（bpp）來測量速率。PSNR（dB）和 MS-SSIM 分別用于測量客觀和主觀質量。

CAE?

由于 CAE 生成的特征圖不是能量緊湊的，所以還要用 PCA 進一步去相關特征圖。PCA 生成的特征映射和旋轉特征映射的示例如下圖所示。

可以看到，在右下角生成了更多的零，在旋轉的特征映射中，大值居中于左上角，這有利于熵編碼器降低速率。與 JPEG2000 相比，基于 CAE 的方法優于 JPEG，并且在 Kodak 數據集圖像上實現了 13.7％ 的 BD 率減少。

GAN

GAN 的圖像壓縮在 CLIC 驗證數據集上進行了性能比較實驗：

其中 bpp 越小越好，PSNR 越大越好，MS-SSIM 越大越好！可以看出 GAN 的一定優勢。?

對比結果?

實驗在 CLIC 驗證數據集進行公平評估。具有 MS-SSIM 和 PSNR 的 RD 曲線如下圖。超分辨率的 RD 曲線很短，因為它是通過用 BPG 編解碼器中的固定量化參數（QP） 值改變自適應策略中的閾值來進行的。通過改變 QP，超分辨率還可以實現廣泛的 RD 曲線。

從 RD 曲線總結了幾個觀察結果：

1. 由于自動編碼器的固有特性，在有損壓縮的情況下，CAE 優于 JPEG。自動編碼器可以減少尺寸以從圖像中提取壓縮的演示文稿，因此 CAE 優于 JPEG 和 JPEG2000。

2. GAN 在低比特率下比在高比特率下表現更好，因此 GAN 傾向于實現大的壓縮比。同時，GAN 在 MS-SSIM 上的性能優于 PSNR，因為 GAN 的重建是基于圖像數據的分布，肉眼更加認同。特別是對于 MS-SSIM，GAN 具有從 0.2bpp 到 0.8bpp 的穩定性能。

3. SR 在這三種方法中實現了最佳性能，因為它具有新興算法 BPG 和基于機器學習的超分辨率濾波器的優點。如果可以提供更多的計算資源，那么通過添加更好的超分辨率濾波器，可以預期有希望的結果將超過 BPG。

下表是在速率約為 0.15bpp 的三種方法的比較：

可以看出基于 SR 的方法與 BPG 非常接近，基于 GAN 和 CAE 的體系結構優于 JPEG，特別是 GAN 和 CAE 具有相似的 PSNR，但就相對主觀的 MS-SSIM 而言，GAN 比 CAE 更好。

總結

論文提出了三種使用 CAE，GAN 和 SR 進行壓縮的體系結構，并討論了它們的性能。結果表明：

• CAE 比傳統的有限壓縮變換更好，并且有望用作特征提取器；

• GAN 顯示出對大壓縮比和主觀質量重建的潛在優勢；

• 基于 SR 的壓縮實現了其中最佳的編碼性能。
  

本文由 AI 學術社區 PaperWeekly 精選推薦，社區目前已覆蓋自然語言處理、計算機視覺、人工智能、機器學習、數據挖掘和信息檢索等研究方向，點擊「閱讀原文」即刻加入社區！

點擊標題查看更多論文解讀：?

• ??ACL2018高分論文：混合高斯隱向量文法

• ??基于詞向量的簡單模型 | ACL 2018論文解讀

• ??COLING 2018最佳論文：序列標注經典模型復現

• ??綜述：圖像風格化算法最全盤點

• ??CVPR 2018 最佳論文解讀：探秘任務遷移學習

• ??深度學習模型復現難？句子對模型復現論文

關于PaperWeekly

PaperWeekly 是一個推薦、解讀、討論、報道人工智能前沿論文成果的學術平臺。如果你研究或從事 AI 領域，歡迎在公眾號后臺點擊「交流群」，小助手將把你帶入 PaperWeekly 的交流群里。

▽ 點擊 |?閱讀原文?| 查看原論文

與50位技術專家面對面20年技術見證，附贈技術全景圖

總結

以上是生活随笔為你收集整理的图像压缩哪家强？请看这份超详细对比的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。