論文接続：https://arxiv.org/abs/1804.02958v1
I.はじめに
ジェネレータによるデコーダの元の場所に相当し、実際には、ネットワークに対して画像圧縮を使用して生成。エンコーダによって生成された元の符号化画像に復元映像デコーダは、符号化され、それはコードワード長さと品質を直接画像に関連して生成され、これは、符号化率がさらに低減される制限することができます。本論文で、著者らは対立を生成する復号器としてネットワークを使用し、この問題を解決することです。符号化処理は、画像全体を符号化するが、符号化の唯一の特定の部分、次に符号化部を復号化して復元された元の画像を復元されない場合、符号化部が自動的に発電機Gによって生成されていない、その結果画像の一部だけが符号化される必要があり、大幅に圧縮率を向上させることができます。
II。ネットワーク構造
1.Global生成的な圧縮
これは、最初のグローバル生成的圧縮（GC）と呼ばれ、この方法は、保存する画像全体に適用することが、2つの特定のネットワーク構造を含みます。どの部分が自動的にセマンティックグラフと最適化の目的に応じて選択されたネットワークによって生成される必要がある部分、保存する必要があります。
ここで目的関数は最初の二つの式がGAN目的関数であり、三つの部分を含み、第三の制御発現が最後の式は、圧縮比を制御することである原画像歪みに対して生成され、βによって調節することができますサイズは圧縮率を調整します。
2.Selective生成的な圧縮
背景とは気にしない間に、第2の構造は、この構造は、一般的なビデオ通話などの特定のシナリオの下で使用され、選択的生成的圧縮（SC）と呼ばれ、人々は、ビデオにもっと注意を払う傾向にあります。したがって、肖像及び自動発生器によって生成された背景部分をコードする部分のみ。一部が生成される部分は、値0の一部として生成される、バイナリパターン制御によるされたコード、値部は、保存する必要があります。
他のウィンドウの固定サイズを設定することで、ウィンドウ内部ストレージ、ウィンドウ生成の外側の部分を、一方が残りの部分を生成するために、保存するために、訓練画像のそれぞれの25％をランダムに選択されたトレーニングの二つの方法があります。この部分が重要でないと仮定されているので、目的関数と実質的に同一GCを使用してSCは、トレーニング、目的関数の第三の部分の間ことを除いて、保存する領域のみが計算されます。
III。評価基準
具体的には、ときPSNRにより測定した場合、圧縮率が小さく、SSIMの画質は意味を持ちません。PSNRに、例えば、それは地元の情報が失われているどのくらいの詳細については懸念している、と圧縮率の場合に0に近づくので、画像の歪みは、すでに非常に大きく、人々はむしろ地元よりも、全体的なイメージの変化を懸念しています情報は、この時間は少し画質尺度PSNRの感覚で失われ、そうされます。そう画像の品質を推定するmIoUを使用著者は、著者らは、画像の後の差分画像を比較し、原画像を圧縮セマンティックセグメンテーションが得られます。
加えて、ユーザー調査の方法により、著者はこのようにして得られた画像を圧縮することによって、より良い視覚効果を検証します。
