來自瑞士蘇黎世聯(lián)邦理工學(xué)院的研究人員們提出了一種基于生成對抗網(wǎng)絡(luò)（GAN）的框架，可以以高畫質(zhì)壓縮圖像，并保證圖像尺寸降到最小。以下是論智對原論文的大致報(bào)道。

基于深度神經(jīng)網(wǎng)絡(luò)的圖像壓縮系統(tǒng)最近逐漸受到人們的關(guān)注。這些系統(tǒng)通常比目前由編碼解碼器驅(qū)動的系統(tǒng)（如BPG、WebP和JPEG2000）表現(xiàn)得好，除了能在自然圖像上實(shí)現(xiàn)更高的壓縮率之外，他們可以很容易地適應(yīng)特定目標(biāo)領(lǐng)域，例如立體圖像或醫(yī)學(xué)圖像，并且可以從壓縮版本中直接進(jìn)行高效地處理和索引。

然而，對于低于像素深度低于0.1bpp的圖像來說，這些算法仍會導(dǎo)致嚴(yán)重的畫質(zhì)下降。隨著比特率趨近于零，想呈現(xiàn)完整地圖像內(nèi)容就很困難，而且這樣會使峰值信噪比（PSNR）或多比例結(jié)構(gòu)相似性（MS-SSIM）等常見指標(biāo)將變得毫無意義，因?yàn)樗鼈兏鼉A向于精確地保留局部（高熵）結(jié)構(gòu)，而不是保持總體的紋理。

為了進(jìn)一步提升深度圖像壓縮的質(zhì)量，開發(fā)超越PSNR和MS-SSIM的新指標(biāo)非常重要。其中重點(diǎn)關(guān)注的是對抗損失，最近的成果表明它能捕捉到全局的語義信息和局部紋理，產(chǎn)生強(qiáng)大的生成器，從而通過語義標(biāo)簽映射生成在視覺上吸引人的高分辨率圖像。

于是，來自蘇黎世聯(lián)邦理工學(xué)院的研究人員們提出并研究了基于生成對抗網(wǎng)絡(luò)（GAN）的針對極限壓縮圖像的框架，目標(biāo)是像素深度低于0.1bpp的圖像。他們提出了一個(gè)通用性的GAN公式，用于深度圖像壓縮，可以生成不同程度的圖像內(nèi)容。與先前的圖像壓縮工作相比，這次的生成器/解碼器在全分辨率的圖像上工作，并用多尺度鑒別器進(jìn)行訓(xùn)練。

研究人員對兩種操作模式進(jìn)行了分別研究：

全局生成壓縮（GC），保留圖像所有內(nèi)容，同時(shí)生成不同尺寸的結(jié)構(gòu)，例如樹上的葉子或者某建筑物陽臺上的窗戶；

選擇性生成壓縮（SC），只通過語義標(biāo)簽映射生成圖像的部分內(nèi)容，同時(shí)以高還原度保留用戶指定區(qū)域。

上圖是研究人員所提出的壓縮網(wǎng)絡(luò)。E代表圖像x的編碼器，或者作為圖像s的語義標(biāo)簽映射。q將潛在的代碼w量化為w^。G是生成器，產(chǎn)生解壓縮的圖像x^，D是用于對抗訓(xùn)練的鑒別器。對于SC，F(xiàn)從s中提取特征，經(jīng)過二次采樣的熱圖乘以z^以分配空間位。

GC的典型應(yīng)用場景是帶寬受限的區(qū)域，在這種情況下用戶想盡可能保留完整的圖像，但沒有足夠的位數(shù)儲存原始像素，無法合成塊狀或模糊的斑點(diǎn)，只能合成內(nèi)容。SC可以用于視頻場景，如果用戶想要完全保留視頻中的人物，但是看起來吸引人的合成背景能滿足我們的目的，即作為真實(shí)的背景。在GC操作模式下，圖像被轉(zhuǎn)換成比特流格式，并且用算數(shù)編碼進(jìn)行編碼。SC需要一個(gè)原圖的語義或?qū)嵗龢?biāo)簽映射，它們可以從語義或?qū)嵗指罹W(wǎng)絡(luò)得來（例如PSPNet或Mask R-CNN）。相比于編碼的成本，這種圖像壓縮的開銷是少的。另一方面，壓縮圖像的大小根據(jù)語義標(biāo)簽生成的區(qū)域按比例減少，通常也會降低儲存成本。

經(jīng)過綜合性的研究，在GC方面，研究人員提出的壓縮系統(tǒng)生成的圖像結(jié)果比BPG和基于自動編碼器的深度壓縮系統(tǒng)更好（BPG是目前最優(yōu)秀的壓縮算法）。尤其是從Cityscapes數(shù)據(jù)集中選取的街景圖片，用戶更喜歡本次系統(tǒng)生成的圖片，即使BPG使用的位數(shù)是我們的兩倍。據(jù)他們所知，這是第一個(gè)證明深度壓縮方法由于BPG的研究。

在SC操作模式中，該系統(tǒng)能將圖像中保留下來的內(nèi)容和合成內(nèi)容無縫銜接，即使被許多物體隔開的場景也很自然。利用這種分區(qū)域圖像生成的方法，圖像的像素深度減少了50%，但是沒有明顯降低圖像質(zhì)量。

結(jié)果對比

下面的表格展示了本文提出的方法的結(jié)果和最先進(jìn)的系統(tǒng)在Cityscapes數(shù)據(jù)集上的對比：

此次試驗(yàn)結(jié)果要比BPG好，即使當(dāng)BPG使用的bpp數(shù)量是我們的兩倍也是如此。在本文中，系統(tǒng)在ADE20K數(shù)據(jù)集和Kodak壓縮基準(zhǔn)測試上獲得了相似的結(jié)果。

接著，研究人員用經(jīng)過預(yù)訓(xùn)練的PSPNet來測量保留的語義，結(jié)果如下：

與BPG相比，我們達(dá)到了較高的mIoU的值，利用語義進(jìn)行訓(xùn)練時(shí)這個(gè)值進(jìn)一步增加

將所提的方法與其他方法對比。同樣一張Kodak Image 13，用本文所提出的方法壓縮與BPG、JPEG2000等方法效果非常不同：

在選擇性合成方面，該方法可以選擇性地保留一部分內(nèi)容，將剩下的部分重新合成。

左下角的熱圖顯示了合成對象，灰色是合成的部分。同時(shí)還顯示了每張圖的bpp，以及由于選擇性生成節(jié)省的尺寸