ترجمه فارسی مقاله ترانسفورماتور دوسطحی فضایی و آگاه از کانال برای فشرده‌سازی تصویر آموخته‌شده

چکیده

Recent advancements in learned image compression (LIC) methods have demonstrated superior performance over traditional hand-crafted codecs. These learning-based methods often employ convolutional neural networks (CNNs) or Transformer-based architectures. However, these nonlinear approaches frequently overlook the frequency characteristics of images, which limits their compression efficiency. To address this issue, we propose a novel Transformer-based image compression method that enhances the transformation stage by considering frequency components within the feature map. Our method integrates a novel Hybrid Spatial-Channel Attention Transformer Block (HSCATB), where a spatial-based branch independently handles high and low frequencies at the attention layer, and a Channel-aware Self-Attention (CaSA) module captures information across channels, significantly improving compression performance. Additionally, we introduce a Mixed Local-Global Feed Forward Network (MLGFFN) within the Transformer block to enhance the extraction of diverse and rich information, which is crucial for effective compression. These innovations collectively improve the transformation’s ability to project data into a more decorrelated latent space, thereby boosting overall compression efficiency. Experimental results demonstrate that our framework surpasses state-of-the-art LIC methods in rate-distortion performance.

چکیده به فارسی (ترجمه ماشینی)

پیشرفت های اخیر در روش های فشرده سازی تصویر آموخته شده (LIC) عملکرد برتر را نسبت به کدک های سنتی دست ساز نشان داده است.این روشهای مبتنی بر یادگیری اغلب از شبکه های عصبی حلقوی (CNN) یا معماری های مبتنی بر ترانسفورماتور استفاده می کنند.با این حال ، این رویکردهای غیرخطی غالباً از ویژگی های فرکانس تصاویر غافل می شوند ، که باعث می شود راندمان فشرده سازی آنها محدود شود.برای پرداختن به این مسئله ، ما یک روش فشرده سازی تصویر مبتنی بر ترانسفورماتور را پیشنهاد می کنیم که با در نظر گرفتن اجزای فرکانس در نقشه ویژگی ، مرحله تحول را تقویت می کند.روش ما یک بلوک ترانسفورماتور توجه کانال مکانی جدید هیبریدی (HSCATB) را ادغام می کند ، جایی که یک شاخه مبتنی بر مکانی به طور مستقل از فرکانس های بالا و پایین در لایه توجه برخوردار است ، و ماژول خود با توجه به کانال (CASA) اطلاعات را در سراسر کانال ها ضبط می کند.به طور قابل توجهی عملکرد فشرده سازی را بهبود می بخشد.علاوه بر این ، ما یک شبکه رو به جلو Global Feed Global (MLGFFN) را در بلوک ترانسفورماتور معرفی می کنیم تا استخراج اطلاعات متنوع و غنی را تقویت کنیم ، که برای فشرده سازی مؤثر بسیار مهم است.این نوآوری ها به طور جمعی توانایی تحول را در طراحی داده ها به یک فضای نهفته دفع شده تر بهبود می بخشد و از این طریق باعث افزایش کارایی فشرده سازی کلی می شود.نتایج تجربی نشان می دهد که چارچوب ما از روشهای پیشرفته LIC در عملکرد تحریف نرخ فراتر می رود.