公开(公告)号：CN119383362A

公开(公告)日：2025-01-28

申请号：CN202411644122.4

申请日：2024-11-18

Applicant: 重庆邮电大学

Inventor： 祝志远 ,  丁世航 ,  魏传锋 ,  邹虹 ,  王汝言 ,  吴大鹏

IPC: H04N19/70 ,  H04N19/124 ,  H04N19/91 ,  H04N19/147 ,  H04N19/44 ,  G06T9/00 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/08 ,  G06F18/214

Abstract: 本发明涉及一种基于重要性尺度和高斯混合模型的深度学习图像压缩方法，属于图像处理技术领域。构建一个重要性尺度网络，将经主编码器得到的潜在表示通过重要性尺度网络进行处理，实现自适应内容的比特分配，确保关键特征信息的有效提取，从而获取重要性增强的潜在表示。在内容流和模型流中均引入高斯混合模型，其包含多种高斯分布，可得到更为准确的概率分布用于指导熵编码和解码以获取更为准确的重构潜在表示或神经语法信息。对潜在表示进行内容自适应优化，并通过使用高斯混合分布预测得到更合理且灵活的概率分布模型，减少潜在表示或神经语法中的冗余信息，在获得视觉效果更好的重建图像同时，也提升深度学习图像压缩模型的率失真性能。