CVPR 2018 图像压缩挑战赛结果出炉,腾讯音视频实验室压缩性能第一

2018 年 6 月 13 日 AI研习社

雷锋网 AI 研习社按,CVPR 2018 图像压缩挑战赛(CLIC)结果已经出炉,腾讯音视频实验室和武汉大学陈震中教授联合团队于该项挑战赛上取得压缩性能第一。(腾讯音视频实验室凭借在 CLIC 中 PSNR 指标第一在雷锋网学术频道 AI 科技评论旗下数据库项目「AI 影响因子」中增加 10 分。)

CVPR 是计算机视觉领域的盛宴,全世界相关领域的顶尖学者、研究人员和企业都会积极参与。今年,CVPR 新增了图像压缩 workshop 和挑战赛议程,这场挑战赛由 Google、Twitter、Amazon 等公司联合赞助,是第一个由计算机视觉领域的会议发起的图像压缩挑战赛,旨在将神经网络、深度学习等一些新的方式引入到图像压缩领域。

图像压缩技术对于互联网信息传输有至关重要的意义。一张未经压缩的 1200 万像素的图片就会占用 36MB 的存储空间,而目前网络上每天图片传输、存储数量数以亿万计,为了节省带宽资源、存储资源,减少服务器的压力,高效的图像压缩算法必不可少。

据大会官方介绍,此次挑战赛分别从 PSNR 和主观评价两个方面去评估参赛团队的表现。峰值信噪比(PSNR)衡量的是压缩前后两张图逐像素统计所产生的误差,峰值信噪比越高,代表两张图误差越小,也就意味着压缩后的图与原图越接近、图片质量损失越小。

腾讯音视频实验室和武汉大学陈震中教授联合团队 iipTiramisu 在 PSNR(Peak Signal-to-Noise Ratio,峰值信噪比)指标上占据领先优势,在决赛数据集上比第二名高了 0.13 dB,位列第一。

据陈震中教授介绍,iipTiramisu 团队使用了基于传统混合框架(hybrid image coder)融入深度学习的编码模块 CNNMC 以及 CNN in-loop filter,以及基于不确定性的资源分配策略,最终可以在数据集压缩性能上比 BPG 提升 30% 以上。

从下图可以看到,与业界最优秀的开源图像压缩算法之一 BPG 相比,iipTiramisu 在峰值信噪比上有显著的优势:

Fig.1 The Rate-PSNR curve of different encoders. (bit-rate range 0.05-0.35 bpp)

信噪比不变的情况下,在性能优先模式下 iipTiramisu 比 BPG 节省 30.8% 的码率,速度优先模式下比 BPG 节省 27.9% 的码率。

 

Fig.2 Compressed by BPG, bit rate:0.14 bpp, PNSR:31.45 dB. 

Fig.3 Compressed by iipTiramisu, bit rate:0.14 bpp, PNSR:33.03 dB

在码率都为 0.14 bpp 的情况下,iipTiramisu 的峰值信噪比比 BPG 高 1.58 dB,质量损失率明显减少。

关于该比赛的更多信息,可参见如下地址:

http://www.compression.cc/challenge/

GAIR 大会在即,

AI 研习社送福利了!

福利一

我们将会为高校学生提供若干张免费门票,只需填写「阅读原文」链接提交表单,就有机会获得价值 3999 元的CCF-GAIR 2018大会门票一张。

福利二

我们将从提交的所有学生申请内,筛选 20 位国内顶尖优秀学术青年,承包国内往返机票+四晚住宿!更有机会与CCF-GAIR 2018与会嘉宾共进小型内部聚餐,给你一个与大牛面对面交流的机会!

(PS:请在表单内填写准确的微信号,审核通过后工作人员将通过微信与您取得联系,发放门票)

赠票须知 

➤ 如无特别说明,赠送门票不包含餐饮,住宿等服务;

➤ 活动解释权归雷锋网 AI 研习社所有

➤ 截止日期:6月14日晚24:00

6 月 29 日至 7 月 1 日,深圳见!

登录查看更多
4

相关内容

CVPR是IEEE Conference on Computer Vision and Pattern Recognition的缩写,即IEEE国际计算机视觉与模式识别会议。该会议是由IEEE举办的计算机视觉和模式识别领域的顶级会议。

知识荟萃

精品入门和进阶教程、论文和代码整理等

更多

查看相关VIP内容、论文、资讯等
【CVPR2020】时序分组注意力视频超分
专知会员服务
30+阅读 · 2020年7月1日
【CVPR 2020-商汤】8比特数值也能训练卷积神经网络模型
专知会员服务
25+阅读 · 2020年5月7日
专知会员服务
109+阅读 · 2020年3月12日
专知会员服务
44+阅读 · 2020年3月6日
深度神经网络模型压缩与加速综述
专知会员服务
126+阅读 · 2019年10月12日
AI in RTC 创新挑战赛 | 超分辨率挑战开始了!
PaperWeekly
3+阅读 · 2019年7月16日
深度学习之视频图像压缩
论智
13+阅读 · 2018年6月15日
概览CVPR 2018神经网络图像压缩领域进展
论智
13+阅读 · 2018年6月13日
一文读懂图像压缩算法
七月在线实验室
15+阅读 · 2018年5月2日
如何设计基于深度学习的图像压缩算法
论智
40+阅读 · 2018年4月26日
一场深度学习引发的图像压缩革命
极市平台
7+阅读 · 2018年3月30日
Arxiv
5+阅读 · 2019年11月22日
Arxiv
11+阅读 · 2018年5月13日
Arxiv
3+阅读 · 2018年3月21日
Arxiv
4+阅读 · 2018年2月13日
Arxiv
3+阅读 · 2017年8月15日
VIP会员
相关VIP内容
【CVPR2020】时序分组注意力视频超分
专知会员服务
30+阅读 · 2020年7月1日
【CVPR 2020-商汤】8比特数值也能训练卷积神经网络模型
专知会员服务
25+阅读 · 2020年5月7日
专知会员服务
109+阅读 · 2020年3月12日
专知会员服务
44+阅读 · 2020年3月6日
深度神经网络模型压缩与加速综述
专知会员服务
126+阅读 · 2019年10月12日
相关资讯
AI in RTC 创新挑战赛 | 超分辨率挑战开始了!
PaperWeekly
3+阅读 · 2019年7月16日
深度学习之视频图像压缩
论智
13+阅读 · 2018年6月15日
概览CVPR 2018神经网络图像压缩领域进展
论智
13+阅读 · 2018年6月13日
一文读懂图像压缩算法
七月在线实验室
15+阅读 · 2018年5月2日
如何设计基于深度学习的图像压缩算法
论智
40+阅读 · 2018年4月26日
一场深度学习引发的图像压缩革命
极市平台
7+阅读 · 2018年3月30日
Top
微信扫码咨询专知VIP会员