人类仍是最好的有损图片压缩器
- 2019 年 11 月 11 日
- 筆記
本文是来自Stanford Compression Workshop 2019的演讲，讲者是三位高中生：来自Palo Alto High School的Ashutosh Bhown，来自Monta Vista High School的Soham Mukherjee，来自Saint Francis High School的Sean Yang。
本次演讲主要介绍了一个有趣的实验。给定一张图片，一人使用网络上相似图像的链接和文本说明作为图像描述，另一人根据图像描述使用PS等工具重建图像。将人类的文本描述简单压缩后的文件，作为人类组的压缩结果。对照组由WebP算法生成相似大小的文件。将两组的重建图像在问卷平台上发布打分，人类组的效果胜出。这表明面向人类感知做图像压缩还有很大空间。
Soham首先介绍了图像的色彩空间，压缩的必要性，现代的预测变换量化压缩机制。
之后，Sean介绍了JPEG等传统的失真压缩器，及存在的锯齿效应等缺陷。本次实验旨在设计一种面向人类感知的压缩方法，用英语来描述图像，同时利用网上的图片资源。Sean介绍了人类组的实验方法。
随后，Ashutosh演示了一次人类组的实验过程，介绍了两组的评价方法，即通过Amazon问卷平台，征集群众打分，对两组重建图像给出1-10分的评价。实验结果中，13张图片中人类组10次胜出。相较于日常常见的人脸，人类组在自然或街景图片中评价更高。
实验表明，在极低比特率下，面向人类感知的压缩方法更有优势，有效使用语义及相似的网络图片可以极大提升压缩比。实验的局限在于实验人员的PS技能有限、搜索相似图片较为费时、英语描述不够有效，基于神经网络的模型有可能解决上述问题。
