초고화질 이미지 압축을 위한 계층적 ROI 및 적응형 양자화

Core Concepts

계층적 ROI(Hierarchical-ROI)와 적응형 양자화를 통해 인간 얼굴과 텍스트의 화질을 유지하면서도 매우 낮은 비트레이트에서 우수한 시각적 품질을 달성할 수 있다.

Abstract

이 논문은 초고화질 이미지 압축을 위한 새로운 방법을 제안한다. 주요 내용은 다음과 같다:

계층적 ROI(Hierarchical-ROI): 이미지를 여러 개의 전경 영역과 하나의 배경 영역으로 분할하여, 얼굴, 텍스트, 복잡한 질감 영역의 복원 품질을 향상시킨다.

적응형 양자화: 채널 차원의 비선형 매핑을 통해 비트레이트를 제한하면서도 시각적 품질을 유지한다.

실험 결과, 제안 방법은 BPG 대비 50% 이상, HiFiC 대비 30% 이상의 비트 절감 효과를 보이면서도 LPIPS 지표에서 우수한 성능을 달성했다. 특히 작은 얼굴과 텍스트 영역에서 높은 화질을 유지할 수 있었다.

Stats

코딕 14 이미지에서 H-ROI 방식이 BPG 대비 0.7배, HiFiC 대비 0.5배의 비트레이트로 더 높은 화질을 보임
Kodak 데이터셋에서 제안 방식이 BPG 대비 50% 이상, HiFiC 대비 30% 이상의 비트 절감 효과를 보임
CLIC2022 테스트 데이터셋과 CrowdHuman 테스트 데이터셋 30장에서도 제안 방식이 우수한 성능 달성

Quotes

"우리의 방법은 작은 얼굴과 텍스트의 재구성에서 더 나은 시각적 품질을 달성하면서도 더 낮은 비트레이트를 보인다."
"계층적 ROI와 적응형 양자화를 통해 극도로 낮은 비트레이트에서도 높은 시각적 품질을 유지할 수 있다."

Key Insights Distilled From

Super-High-Fidelity Image Compression via Hierarchical-ROI and Adaptive Quantization

by Jixiang Luo,... at arxiv.org 03-21-2024

https://arxiv.org/pdf/2403.13030.pdf