Marco optimizado de velocidad-distorsión-complejidad para la compresión de imágenes de varios modelos

Área de la Ciencia:

• Visión por computadora
• Aprendizaje automático
• Procesamiento de imágenes

Sus antecedentes:

• Los marcos de compresión de imágenes aprendidas (LIC) se enfrentan a desafíos con aplicación universal debido a diversos diseños de modelos y datos de capacitación.
• Un solo modelo de codificación se esfuerza por adaptarse a la amplia variabilidad de las características de la imagen y los requisitos de compresión.

Objetivo del estudio:

• Desarrollar un marco pionero de codificación de imágenes multi-modelo para la compresión de imágenes aprendidas.
• Optimizar el equilibrio entre velocidad, distorsión y complejidad mediante la asignación dinámica de códecs de imagen a diferentes regiones de imagen.
• Mejorar la calidad de la reconstrucción bajo restricciones de tiempo de bitrate y decodificación.

Principales métodos:

• Integración de diversos códecs de imagen en un marco unificado.
• Algoritmo de asignación de códec dinámico que utiliza el recocido simulado (SA) para la optimización.
• Aplicación de una estrategia de reducción de las emisiones para mejorar la eficiencia.
• Asegurar la compatibilidad con los códecs de imagen estándar sin modificaciones estructurales.

Principales resultados:

• Se logró una reducción significativa del 70% en el tiempo de decodificación en comparación con los métodos más avanzados.
• Estableció un nuevo estándar en LIC, avanzando en la frontera de Pareto para las compensaciones de rendimiento y complejidad.
• Superó a los códecs optimizados para velocidad de distorsión y complejidad (RDC) existentes, con velocidades de decodificación hasta 30 veces más rápidas.
• Mantuvo la calidad de la reconstrucción sin comprometerla.

Conclusiones:

• El marco multimodelo propuesto ofrece una solución de alto rendimiento y ubicua para la compresión de imágenes aprendidas.
• La asignación dinámica de códec aborda efectivamente las limitaciones de los enfoques de un solo modelo.
• El marco mejora significativamente la eficiencia y la velocidad de decodificación al tiempo que preserva la calidad de la imagen.