摘要：
熵编码是一种无损编码方式：常见的 霍夫曼(Huffman)编码 算术编码 还有行程编码 (RLE) 基于上下文的自适应变长编码(CAVLC) 基于上下文的自适应二进制算术编码(CABAC)。 \(\quad\)JPEG用的是Huffman编码和算术编码，而CAVLC和CABAC是HEVC中使用的两种 阅读全文
摘要：
目录摘要Parallel multi-dimension context modeling （并行多维上下文模型）Information compaction property（信息压缩特征）Unevenly grouped channel-wise context model （不均匀分组的通道级 阅读全文
摘要：
问题原因：setuptools版本过高 第一步：pip uninstall setuptools 第二步：我的pip可能有问题，因此我直接用这个命令 pip install setuptools==59.5.0 -i http://mirrors.aliyun.com/pypi/simple/ -- 阅读全文
摘要：
Abstruct 基于学习的像压缩 通常涉及rate-distortion的联合优化，并应对图像内容的空间变化和学习编码间的上下文依赖。大多数深度上下文模型计算成本高，无法有效的对并行符号解码。该文章提出了内容加权的编码器-解码器模型，量化器中采用信道多值量化技术对解码器特征进行离散化，并引入重要性 阅读全文
摘要：
在图像处理和视频编解码中，"rate-distortion"是一种用于描述编码压缩效率的概念。它涉及到编码的比特率（rate）和图像质量损失（distortion）之间的平衡。在这个概念中，"rate"指的是编码所需的比特率，也称潜在表示的熵，而"distortion"则表示由于压缩引起的图像质量损 阅读全文
摘要：
深度神经网络被训练来作为图像压缩的自动编码器是一个前沿方向，面临的挑战有两方面——量化(quantization)和权衡reconstruction error (distortion) and entropy (rate)，这篇文章关注后者。 主要思想是使用上下文模型直接对潜在表示的熵建模;3D- 阅读全文
摘要：
基于神经网络视频和图形压缩技术的发展 简介压缩方法的发展，然后分别讲述了图像压缩和视频压缩的技术发展。 图像压缩方法的发展 早期直接使用熵编码减少图像的统计冗余(例如哈弗曼编码)。 1960s 提出变换编码，通过对空间频率进行编码来压缩图像，(例如傅里叶变换)。 1974离散余弦变换(Discret 阅读全文
摘要：
（暂不关注写作技巧和谋篇布局，前期主要针对相关知识进行学习。 2023.12.16 陈龙) 使用某种压缩方法，比JPEG更好的失真率。而且在所有比特率下视觉质量明显改善（MS-SSIM） Introduction 数据压缩的目标是为给定数据集合设计熵最小的编码。在有限熵的条件下，连续数据必须量化为有 阅读全文
摘要：
图像压缩根据对图像的恢复效果来进行分类，主要分为无损压缩和有损压缩，基于深度学习的图像压缩方法多为有损图像压缩，基于深度学习的图像压缩性能已经超过了 JPEG 和 BPG，并且这种性能上的差距仍在逐步扩大。 算法流派： 基于卷积神经网络的图像压缩方法： CNN 卷积运算中的稀疏连接和参数共享两大特性 阅读全文
摘要：
首先是官方文档，可以通过官方文档进行简单了解 Learn LaTeX in 30 minutes - Overleaf, 在线LaTeX编辑器 Latex是一个编码式的排版工具，一切内容均通过 LaTeX 命令 实现。 在开头会对文章格式等内容进行设置， \documentclass{article 阅读全文