-
题名任务自适应增强的人机特征解耦可分级压缩
被引量：1
- 1
-
-
作者
安平
沙莉娅
吴颖
杨超
黄新彭
-
机构
上海大学通信与信息工程学院
上海大学特种光纤与光接入网重点实验室
-
出处
《信号处理》
北大核心
2025年第2期399-408,共10页
-
基金
国家自然科学基金(62071287,62020106011,62371279,62371278)
上海市科学技术委员会基金(22ZR1424300)。
-
文摘
图像压缩作为一项关键技术,旨在传输过程中保留尽可能少的关键信息,同时使得压缩后的图像保持较好的质量。而随着计算机视觉的发展,图像的主要消费者不仅仅是人类而更多的是机器,因此探索一种能够同时面向人类视觉和机器视觉的图像压缩方法十分具有意义。然而,现有的基于学习的图像编码技术虽然已经在人眼感知质量上取得了显著性的进步,但由于信号保真度及语义保真度的方法在驱动目标上存在分歧,无法同时满足机器视觉和人眼的需求。因此,本文提出了任务自适应增强的特征解耦可分级压缩方法,旨在利用单一比特流来支持多种视觉任务,并根据需求进行图像的选择性重建或完全重建。具体而言,本方法将图像特征解耦为目标特征和背景特征分别进行压缩和重建,所得到的目标图像用于后续目标检测和语义分割任务,而高质量完整重建的图像供人眼观看。这样不仅在实现视觉任务时避免了重建完整图像,提高压缩效率,还能够满足人眼的不同需求。此外,为了解决因目标区域重要性差异而引起的任务性能不平衡问题,本方法还设计了可插拔的任务自适应单元,并将其嵌入在目标特征解码器中,从而可以根据具体任务需求调整特征以增强重建目标图像的分析性能,而无须重新训练整个网络。实验结果证明,该方法与其他编解码器相比,展现出了更优的任务性能和速率失真(RateDistortion)性能。
-
关键词
图像压缩
人机协同
特征解耦
任务自适应增强
-
Keywords
image compression
human-machine collaborative
feature decoupling
task-adaptive enhancement
-
分类号
TN919.81
[电子电信—通信与信息系统]
-
