0
| 本文作者： 汪思穎 | 2018-06-13 18:10 |
雷鋒網 AI 研習社按，CVPR 2018 圖像壓縮挑戰(zhàn)賽（CLIC）結果已經出爐，騰訊音視頻實驗室和武漢大學陳震中教授聯合團隊于該項挑戰(zhàn)賽上取得壓縮性能第一。（騰訊音視頻實驗室憑借在 CLIC 中 PSNR 指標第一在雷鋒網學術頻道 AI 科技評論旗下數據庫項目「AI 影響因子」中增加 10 分。）
CVPR 是計算機視覺領域的盛宴，全世界相關領域的頂尖學者、研究人員和企業(yè)都會積極參與。今年，CVPR 新增了圖像壓縮 workshop 和挑戰(zhàn)賽議程，這場挑戰(zhàn)賽由 Google、Twitter、Amazon 等公司聯合贊助，是第一個由計算機視覺領域的會議發(fā)起的圖像壓縮挑戰(zhàn)賽，旨在將神經網絡、深度學習等一些新的方式引入到圖像壓縮領域。
圖像壓縮技術對于互聯網信息傳輸有至關重要的意義。一張未經壓縮的 1200 萬像素的圖片就會占用 36MB 的存儲空間，而目前網絡上每天圖片傳輸、存儲數量數以億萬計，為了節(jié)省帶寬資源、存儲資源，減少服務器的壓力，高效的圖像壓縮算法必不可少。
據大會官方介紹，此次挑戰(zhàn)賽分別從 PSNR 和主觀評價兩個方面去評估參賽團隊的表現。峰值信噪比（PSNR）衡量的是壓縮前后兩張圖逐像素統計所產生的誤差，峰值信噪比越高，代表兩張圖誤差越小，也就意味著壓縮后的圖與原圖越接近、圖片質量損失越小。
騰訊音視頻實驗室和武漢大學陳震中教授聯合團隊 iipTiramisu 在 PSNR（Peak Signal-to-Noise Ratio，峰值信噪比）指標上占據領先優(yōu)勢，在決賽數據集上比第二名高了 0.13 dB，位列第一。
據陳震中教授介紹，iipTiramisu 團隊使用了基于傳統混合框架（hybrid image coder）融入深度學習的編碼模塊 CNNMC 以及 CNN in-loop filter，以及基于不確定性的資源分配策略，最終可以在數據集壓縮性能上比 BPG 提升 30% 以上。
從下圖可以看到，與業(yè)界最優(yōu)秀的開源圖像壓縮算法之一 BPG 相比，iipTiramisu 在峰值信噪比上有顯著的優(yōu)勢：
Fig.1 The Rate-PSNR curve of different encoders. (bit-rate range 0.05-0.35 bpp)
信噪比不變的情況下，在性能優(yōu)先模式下 iipTiramisu 比 BPG 節(jié)省 30.8% 的碼率，速度優(yōu)先模式下比 BPG 節(jié)省 27.9% 的碼率。
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
在碼率都為 0.14 bpp 的情況下，iipTiramisu 的峰值信噪比比 BPG 高 1.58 dB，質量損失率明顯減少。
關于該比賽的更多信息，可參見如下地址：
http://www.compression.cc/challenge/
