Core Concepts
제안된 HybridFlow 프레임워크는 연속 특징과 코드북 기반 특징을 융합하여 극도로 낮은 비트레이트에서도 높은 화질과 높은 충실도를 동시에 달성할 수 있습니다.
Abstract
HybridFlow는 이미지 압축을 위한 새로운 이중 스트림 프레임워크입니다. 연속 특징 기반 스트림과 코드북 기반 이산 스트림을 병렬로 생성하여 극도로 낮은 비트레이트에서도 높은 화질과 높은 충실도를 동시에 달성합니다.
코드북 기반 스트림은 학습된 고품질 코드북을 활용하여 높은 화질의 재구성을 제공합니다. 연속 특징 기반 스트림은 세부 정보의 충실도를 유지합니다. 전송 비트를 더 줄이기 위해 마스크 모듈을 도입하여 코드워드 인덱스 맵의 일부만 전송합니다. 연속 특징은 마스크 예측기의 크로스 어텐션 모듈에 입력되어 누락된 토큰을 정확하게 생성하도록 안내합니다. 또한 연속 특징은 픽셀 디코더의 편향을 수정하여 재구성된 이미지의 충실도를 높입니다.
실험 결과, 제안된 HybridFlow 프레임워크는 기존 단일 스트림 방식보다 약 3.5dB의 PSNR 향상과 55.7%의 LPIPS 향상을 달성하며, 극도로 낮은 비트레이트에서도 높은 화질과 높은 충실도를 제공합니다.
Stats
제안된 HybridFlow 프레임워크는 기존 단일 스트림 방식보다 약 3.5dB의 PSNR 향상을 달성했습니다.
제안된 HybridFlow 프레임워크는 기존 단일 스트림 방식보다 55.7%의 LPIPS 향상을 달성했습니다.
Quotes
"제안된 HybridFlow 프레임워크는 연속 특징과 코드북 기반 특징을 융합하여 극도로 낮은 비트레이트에서도 높은 화질과 높은 충실도를 동시에 달성할 수 있습니다."
"실험 결과, 제안된 HybridFlow 프레임워크는 기존 단일 스트림 방식보다 약 3.5dB의 PSNR 향상과 55.7%의 LPIPS 향상을 달성했습니다."