第二屆學習影象壓縮挑戰賽

谷歌開發者_發表於2019-03-04

文 / Nick Johnston，機器感知軟體工程師


去年，我們推出了學習影象壓縮挑戰賽 (CLIC) 活動，旨在推動影象壓縮（藉助及不借助神經網路）領域的發展。CLIC 於 2018 年計算機視覺與模式識別大會 (CVPR 2018) 期間舉辦並大獲成功。我們接受了 23 篇研討會論文，並有 95 位作者及 41 份作品參賽。本屆挑戰賽催生出眾多新的影象壓縮演算法、醫學影像壓縮特定領域的應用，以及基於現有方法的擴充套件，冠軍 Tucodec（下圖中簡稱為 TUCod4c）的平均意見得分 (MOS) 比更好的行動式影象 (BPG) 壓縮方案高出 13%。

注：23 篇研討會論文 連結

http://openaccess.thecvf.com/CVPR2018_workshops/CVPR2018_W50.py


640?wx_fmt=jpeg

2018 年測試集中的影象示例，將原始影象與 BPG、JPEG 及九個競賽團隊的成果進行比較。所有方法在色彩再現方面均優於 JPEG，而且其中許多方法能夠在標誌上建立清晰的文字，這一點毫不亞於 BPG


今年，我們同樣很高興能在加州長灘的 CVPR 2019 期間聯合贊助第二屆學習影象壓縮挑戰賽。本屆研討會為期半日，我們將邀請嘉賓 Anne Aaron (Netflix)、Aaron Van Den Oord (DeepMind) 與 Jyrki Alakuijala (Google) 作精彩演講。此外，2019 年挑戰賽中五個表現最佳的團隊將上臺演講，目前參賽作品的提交通道正在開放中。

今年的挑戰賽為參賽者提供兩條賽道。第一條賽道與去年相同，我們稱之為 “低位元速率壓縮” 賽道。低位元速率壓縮的目標是將影象資料集壓縮至每畫素 0.15 位，並達到 PSNR、MS-SSIM 和人工評估評分任務測量的最高質量指標。 

第二條賽道結合了去年研討會上的反饋，參賽者表示對逆向挑戰很感興趣，希望我們能以保持出色清晰度這一前提下的影象壓縮次數為評判標準。在本屆 “透明壓縮” 挑戰賽中，我們為（PSNR 與 MS-SSIM 中的）測試資料集設定了相對較高質量的閾值，目的是將資料集壓縮至最小檔案規模。

若您正在進行學習影象壓縮領域的研究，我們鼓勵您在 CVPR 2019 期間參加 CLIC。如需瞭解有關挑戰賽和舉辦日期的更多詳情，請訪問 compression.cc。



致謝

本屆學習影象壓縮挑戰賽由 Google、Twitter 和蘇黎世聯邦理工學院的研究人員聯合舉辦。我們想感謝以下人士作出的貢獻：George Toderici (Google)、Michele Covell (Google)、Johannes Ballé (Google)、Nick Johnston (Google)、Eirikur Agustsson (Google)、Wenzhe Shi (Twitter)、Lucas Theis (Twitter)、Radu Timofte（蘇黎世聯邦理工學院）、Fabian Mentzer（蘇黎世聯邦理工學院）。



更多 AI 相關閱讀：



640?wx_fmt=gif


相關文章