Fidelity-Controllable Extreme Image Compression with Generative Adversarial Networks

今回我々は0.1bpp以下の極めて低いビットレートで動作するGANを利用した画像圧縮方法を提案する。 既存の機械学習を利用した手法の多くは、極めて低いビットレートでは画像のぼやけが問題になる。GANは鮮鋭な画像を再構成するのに効果的だが、2つの欠点がある。 第一にGANの学習が不安定であること。もう1つは再構成の際にノイズやアーティファクトが入りやすいことである。この2つの欠点を解決するために、我々の手法では2段階の学習と、 ネットワークの補完を採用している。2段階の学習はGANの学習を安定させるのに効果的である。また、ネットワークの補完では2つの段階のモデルを利用し、 重要なエッジを維持しながらもノイズやアーティファクトを削減することができる。これらから我々の手法はモデルを再学習させずに、知覚品質と忠実性のトレードオフをコントロールすることができる。実験結果では我々のモデルが高品質の画像を再構成できることを示している。 さらにユーザーの評価では我々の手法が最先端のGANを利用した画像圧縮手法よりも優れていることが確認されている。

https://arxiv.org/abs/2008.10314