Tag · 2 篇
学习图像压缩
分布 底层视觉与图像复原1高效模型与推理加速1
01 02
基于稀疏注意力与自适应频率的学习图像压缩
Learned Image Compression via Sparse Attention and Adaptive Frequency
跨稀疏窗口注意力用少量窗口条件化的全局 token 建模长程依赖，在计算量低于标准窗口自注意力的同时提升效果，可直接迁移到其他需要高效全局建模的视觉骨干；内容自适应频率变换与仅训练期去噪正则化也为潜变量结构化和零推理开销的质量提升提供了可复用思路。
无块效应的基于块的学习图像压缩
Block-based Learned Image Compression without Blocking Artifacts
给出一个解析框架，通过卷积/转置卷积层推导重叠传播，精确算出无块效应重建所需的最小重叠量，可直接套用到任意 CNN 图像处理网络（超分、去噪、复原）做分块推理，在不重训练的前提下把峰值显存和计算量降到约 13% 和 2%。