深度学习助力数据压缩,一文读懂相关理论(3)
2023-05-02 来源:飞速影视
1. GAN 在有损压缩中的应用
论文标题:Deep generative models for distribution preserving lossy compression,NIPS2018
地址:https://arxiv.org/abs/1805.11057?context=stat
这篇文章提出了一种分布保持的有损压缩系统(Distribution-Preserving Lossy Compression,DPLC)。该系统应用于图像压缩场景,在不同的压缩比率下编码器能够生成与原始数据分布一致的编码,其解码器则以零比特率生成独立同分布样本,然后随着比特率的增加逐渐产生包含更多原始图像内容的重构,最终在足够高的比特率情况下实现完美的重建。
对于随机变量 X,令 P_X 表示 X 的分布,E_X[X] 表示期望。W~P_X 表示 W 遵从 P_X 的分布,X~Y 表示 X 和 Y 为同分布的。在标准的有损压缩系统中,编码器的任务是生成编码 E: X→W,从而将原始输入编码为 R 比特的码,解码器的任务是将码映射回原始空间 D: W→X,同时最小化某些失真度量 d:XxX,任务目标函数表示为:
在传统压缩方法中,E 和 D 具有典型确定性,因此不同的重构输入的数量 X^:=D(E(x)) 由 2^R 限定,这就导致重建的 X^会出现降质的问题,例如引起图像的模糊、模块化等。为了解决这一问题,需要向目标函数中增加一个约束项,即「重构实例的分布遵循训练数据的分布」:
本站仅为学习交流之用,所有视频和图片均来自互联网收集而来,版权归原创者所有,本网站只提供web页面服务,并不提供资源存储,也不参与录制、上传
若本站收录的节目无意侵犯了贵司版权,请发邮件(我们会在3个工作日内删除侵权内容,谢谢。)
www.fs94.org-飞速影视 粤ICP备74369512号