- …
- …
#139
summarized by : Shoma Iwai
どんな論文か？
学習ベースの画像圧縮では，通常１つのモデルは１つの圧縮率でしか圧縮できない．この論文では１つのモデルで圧縮率を連続的に調節できる手法を提案．画像の潜在変数をチャンネルごとにスケーリングするGain Unitを導入し，その後量子化することで，情報の欠損を調整する．量子化後にInverse Gain Unitでスケールを元に戻すことで，圧縮性能の低下を防ぐことができる．
新規性
- １つのモデルで連続的な圧縮率の調整を達成
- あらゆるVAEベースの画像圧縮手法に適用が可能
- 左右で分散の異なる非対称なガウス分布の導入を提案し，より柔軟なエントロピー予測が可能
- 既存の圧縮率調整手法と比べて，計算コストの増加や圧縮性能の低下を抑えることが可能
結果
- 画像圧縮手法のSOTAに匹敵する性能のまま圧縮率を調整可能
- 既存手法に提案手法の仕組みを導入しても性能がほぼ劣化しないことを確認
- 非対称なガウス分布を導入することで圧縮性能が向上することを確認
その他（なぜ通ったか？等）
非対称ガウス分布以外は https://arxiv.org/abs/2003.02012 とほぼ同じ
- …
- …