مقاله بی‌توانی و فشرده‌سازی تصویر ادراکی

چکیده

Idempotence is the stability of image codec to re-compression. At the first glance, it is unrelated to perceptual image compression. However, we find that theoretically: 1) Conditional generative model-based perceptual codec satisfies idempotence; 2) Unconditional generative model with idempotence constraint is equivalent to conditional generative codec. Based on this newfound equivalence, we propose a new paradigm of perceptual image codec by inverting unconditional generative model with idempotence constraints. Our codec is theoretically equivalent to conditional generative codec, and it does not require training new models. Instead, it only requires a pre-trained mean-square-error codec and unconditional generative model. Empirically, we show that our proposed approach outperforms state-of-the-art methods such as HiFiC and ILLM, in terms of Fréchet Inception Distance (FID). The source code is provided in https://github.com/tongdaxu/Idempotence-and-Perceptual-Image-Compression.

چکیده به فارسی (ترجمه ماشینی)

IdemPotence ثبات کدک تصویر برای فشار مجدد است.در نگاه اول ، با فشرده سازی تصویر ادراکی ارتباط ندارد.با این حال ، ما می دانیم که از نظر تئوری: 1) رمزگذار ادراکی مبتنی بر مدل مشروط بر IDEMPotence رضایت دارد.2) مدل تولیدی بی قید و شرط با محدودیت IdemPotence معادل کدک تولیدی شرطی است.بر اساس این هم ارزی جدید ، ما یک الگوی جدید از کدک تصویری ادراکی را با وارونه کردن مدل تولیدی بی قید و شرط با محدودیت های IDEMPotence پیشنهاد می کنیم.کدک ما از نظر تئوری معادل کدک تولیدی مشروط است و نیازی به آموزش مدل های جدید ندارد.درعوض ، فقط به یک کدک مرجع میانگین مربع از پیش آموزش داده شده و مدل تولیدی بدون قید و شرط نیاز دارد.از نظر تجربی ، ما نشان می دهیم که رویکرد پیشنهادی ما از روشهای پیشرفته مانند Hific و Illm ، از نظر فاصله شروع Fréchet (FID) بهتر است.کد منبع در https://github.com/tongdaxu/idempotence-and-perceptual-image-compression ارائه شده است.