基于深度学习的图像压缩编码

• 自编码器
  Ballé1 提出了一种基于变分自编码器的端到端图像压缩模型，采用结合边信息（side information）的超先验的方案。
  模型如下图所示：

Q 表示量化；AE 和 AD 分别表示算术编码和解码；卷积参数表示为层\times×长\times×宽/下采用或上采样，\uparrow↑表示上采样，\downarrow↓表示下采样。
Minnen2 提出了一种超先验结合自回归模型的方案。

• 循环神经网络（Recurrent Neural Network, RNN）
  Google3 团队提出一种基于长短期记忆（long short-term memory, LTSM）的神经网络架构对图像进行可变压缩率的编码方法。
  模型如下图所示：

上图是基于卷积核逆卷积的残差编码器，将上下层各第二和第三的卷积/逆卷积模块换成 LTSM 模块即为所提出的模型。
Google4 团队在前面工作的基础上引入了 GRU 和 ResNet 模块，并采用熵编码进一步提升了压缩率。
模型如下图所示。

EE 为编码器；qq 为量化器；GG 为解码和生成器；DD 为对抗器。

基于深度学习的视频压缩编码

基于深度学习的视频编码分为两种：
• 采用深度学习替代传统视频编码中部分模块
• 端到端采用深度学习编码压缩

• 部分方案
  采样深度神经网络可以替代传统视频编码中的模块包括：帧内/帧间预测、变换、上下采样、环路滤波、熵编码等6。

• 端到端方案
  Lu7 提出了一个端到端采用深度学习进行视频编码压缩的方案；其采用卷积光流估计来进行运动估计，并使用两个自编码器对光流信息和残差信息进行编码压缩。
  编码框架如下图所示：
  

采用一个卷积网络模块进行光流估计8，以作为运动估计。
采用自编码器对光流信息进行压缩，自编码器网络如下图所示：

结合上一帧图像和光流信息，获得运动补偿图像。运动补偿网络如下图所示：

将原图像与补偿图像进行差计算获得残差，残差也使用自编码器压缩。
Rippel9 提出了一种端到端基于机器学习（包括深度学习）的视频压缩方案；采用多帧参考的光流估计做运动估计，采用自编码器对光流信息和残差编码压缩，采用机器学习做码率控制。
Reference

1. [2018 ICLR]
   Variational image compression with a scale hyperprior
2. [2018 NIPS]
   Joint Autoregressive and Hierarchical Priors for Learned Image Compression
3. [2016 ICLR]
   Variable Rate Image Compression with Recurrent Neural Networks
4. [2017 CVPR]
   Full Resolution Image Compression with Recurrent Neural Networks
5. [2019 ICCV]
   Generative Adversarial Networks for Extreme Learned Image Compression
6. [2019 MM]
   Deep Learning-Based Video Coding: A Review and A Case Study
7. [2019 CVPR]
   DVC: An End-to-end Deep Video Compression Framework
8. [2017 CVPR]
   Optical Flow Estimation using a Spatial Pyramid Network
9. [2019 ICCV]
   Learned Video Compression