조정 가능한 변환을 통한 화면 콘텐츠에 적응하는 학습 이미지 코덱

학습 이미지 코덱(LIC)이 점점 보편화됨에 따라, 분포 외 데이터에 대한 낮은 코딩 효율성이 일부 응용 프로그램의 병목 현상이 되고 있습니다. 후방 호환성을 깨지 않고 화면 콘텐츠(SC) 이미지에 대한 LIC의 성능을 향상시키기 위해, 우리는 기본 코덱의 운영 흐름을 변경하지 않고 파라미터화된 가역 선형 변환을 코딩 파이프라인에 도입할 것을 제안합니다. 코딩 효율성을 높이고 코딩 아티팩트 복구를 도와줄 프리필터와 포스트필터 역할을 하는 두 개의 신경망을 설계했습니다. 우리의 종단 간 훈련된 솔루션은 기본 LIC에 비해 SC 압축에서 최대 10%의 비트레이트 절약을 달성하며, 단 1%의 추가 매개변수만 도입합니다.