本文提出了一個基於生成對抗網路的極端學習影象壓縮框架，能生成位元速率更低但視覺效果更好的影象。此外，該框架可以根據原始影象的語義標籤對映，在解碼影象中完全合成非主要的區域。使用者調查研究證實，對於低位元速率，本文提出的方法明顯優於最先進的方法 BPG。
圖 1：以對抗損失訓練得到的全域性生成壓縮網路產生的影象，以及相應的 BPG 結果對比 [1]。
引言
基於深度神經網路（DNN）的影象壓縮系統，簡稱深度壓縮系統，近來已成為熱門研究領域。
圖 2：本文提出的壓縮網路的結構。E 是影象 x 和可選的語義標籤對映 s 的編碼器。q 將潛在程式碼 w 量化為 w hat。G 是生成器，產生解壓縮的影象 x hat，D 是用於對抗訓練的判別器。對於選擇生成壓縮（SC），F 從 s 中提取特徵，並且二次取樣的熱圖乘以 z hat（逐點）以進行空間位分配。
這些系統在感知度量 [4-8] 上通常優於當前最佳的工程編解碼器，例如 BPG [1]、WebP [2] 和 JPEG2000 [3]。除了在自然影象上可達到更高的壓縮率，它們也很容易適用於特定的目標領域，如立體影象或醫學影象，以從壓縮表徵 [9] 中直接實現高效處理和索引。但是，對於每畫素低於 0.1 位（bpp）的位元速率，這些演算法仍然會導致質量嚴重下降。一般來說，當位元速率趨向於零時，保留全部影象內容變得愈發困難，並且諸如峰值訊雜比（PSNR）或多尺度結構相似性（MS-SSIM）[10] 等常用的失真度量也會失去意義，因為這些度量更關心區域性（高熵）結構即紋理的保持。為了進一步改善深度影象壓縮，有必要開發超越 PSNR 和 MS-SSIM 的訓練目標。對抗性損失 [11] 有望實現這一目標。最近這一方法被證明可以捕獲全域性語義資訊和區域性紋理，訓練出強大的生成器，從語義標籤對映產生有視覺吸引力的高解析度影象 [12,13]。
在本文中，研究者提出並研究了基於生成對抗網路（GAN）的極端影象壓縮框架，其中影象的位元速率低於 0.1 bpp。他們提出了一個基本的 GAN 公式，用於深度影象壓縮，從而生成不同程度的內容。與先前的深度影象壓縮技術相比，該技術將對抗損失應用於影象補丁的偽像抑制 [6,14] 和紋理細節生成 [15] 或縮圖表徵學習 [16]，該框架的生成器/解碼器由多尺度判別器訓練，適用於全解析度影象 [13]。
我們研究兩種操作模式（對應於無條件和有條件的生成對抗網路 [11,17]），即
全域性性生成壓縮（GC），保留整體影象內容，同時生成不同尺度的結構，例如建築立面上的樹葉或窗戶的樹葉；
選擇性生成壓縮（SC），保留語義標籤對映中完全生成影象的某些部分，同時高度保留使用者定義區域的細節。
GC 的典型用例是在頻寬受限的場景，其中我們需要儘可能地保留完整影象，卻沒有足夠的空間儲存原始畫素，而 GC 在這裡可以合成內容而不是塊狀/模糊斑點。SC 可以應用於視訊通話場景，人們希望完全保留視訊流中的人像，但視覺上令人愉悅的合成背景也能和真實背景達到同樣的效果。在 GC 操作模式下，影象被轉換成位元流並使用算術編碼進行編碼。SC 可以使用現成的語義/例項分割網路（例如 PSPNet [18] 和 Mask R-CNN [19]）獲得原始影象的語義/例項標籤對映，並將其儲存為向量圖形。就編碼成本而言，該框架實現了更小的獨立於影象維度的計算代價；另一方面，壓縮影象的大小和從語義標籤對映生成的區域成比例地減小，在多數情況下也能明顯降低儲存成本。
一項關於 GC 的使用者綜合研究表明，本文提出的壓縮系統在視覺上產生了比 BPG [1]（當前最先進的工程壓縮演算法）和最近提出的基於自編碼器的深度壓縮（AEDC）系統更好的結果 [8]。特別是對於 Cityscapes 資料集中的街景場景影象，即使 BPG 使用的位數超過兩倍，使用者也更喜歡本文提出系統生成的影象。據作者所知，在使用者調查中，這是首次深度壓縮方法勝過 BPG 影象的案例。在 SC 操作模式下，該系統可以將儲存的影象內容與合成的內容無縫結合，即使在跨越多個目標邊界的區域也是如此。通過部分生成影象內容，該系統可以實現超過 50％的位元速率縮減，而影象質量不會明顯降低。在這兩種情況下，通過原始影象和重建影象的語義標籤對映之間的平均交併比（mIoU）度量的語義資訊與兩個基線 [1,8] 相比，儲存得更完好。
圖 3：由 C = 8 的 GC 網路產生的影象，以及 BPG 和 AEDC 的相應結果。
圖 4：由 GC 網路（左：C = 4;右：C = 8）產生的影象示例以及 BPG 的相應結果。
圖 6：原始柯達影象 13 以及使用者調查中使用的解壓縮版本（本文提出的），使用 C = 4 的 GC 網路生成。此外還提供了影象的解壓縮 BPG、JPEG、JPEG2000 和 WebP 版本。如果編解碼器無法輸出低至 0.036bpp 的影象，則選擇該編解碼器的最低解析度。
論文：Generative Adversarial Networks for Extreme Learned Image Compression（用於極端學習影象壓縮的生成對抗網路）
論文地址：https://arxiv.org/abs/1804.02958
摘要：我們提出了一個基於生成對抗網路（GANs）的極端學習影象壓縮框架，與以前的壓縮方式相比，其生成的影象位元速率更低但視覺效果更令人滿意。藉助學習壓縮的 GAN 公式和一個在全解析度影象上執行的生成器/解碼器，並與多尺度判別器一起訓練，就可以達到這種效果。此外，我們的方法可以根據從原始影象中提取的語義標籤對映，在解碼影象中完全合成非主要的區域（例如街道和樹），因此僅需要儲存保留區域和語義標籤對映。使用者調查研究證實，對於低位元速率，我們的方法明顯優於最先進的方法，與次佳方案 BPG 相比，位元速率節約高達 67％。