本文分享自华为云社区《基于深度学习的图像视频压缩编码》，原文作者：罗鹏。
得益于深度神经网络提取信源特征的能力，深度学习技术在信源压缩编码领域取得了比传统方法更优异的效果。
基于深度学习的图像压缩编码
自编码器
Ballé1 提出了一种基于变分自编码器的端到端图像压缩模型，采用结合边信息（side information）的超先验的方案。
模型如下图所示。
Q 表示量化；AE 和 AD 分别表示算术编码和解码；卷积参数表示为层\times×长\times×宽/下采用或上采样，\uparrow↑表示上采样，\downarrow↓表示下采样。
Minnen2 提出了一种超先验结合自回归模型的方案。
循环神经网络（Recurrent Neural Network, RNN）
Google3 团队提出一种基于长短期记忆（long short-term memory, LTSM）的神经网络架构对图像进行可变压缩率的编码方法。
模型如下图所示。
上图是基于卷积核逆卷积的残差编码器，将上下层各第二和第三的卷积/逆卷积模块换成 LTSM 模块即为所提出的模型。
Google4 团队在前面工作的基础上引入了 GRU 和 ResNet 模块，并采用熵编码进一步提升了压缩率。
模型如下图所示。
生成对抗网络（Generative Adversarial Network, GAN）
Agustsson5 提出了一种基于 GAN 的图像压缩方案，可选择地对部分/全部图像生成对应语义标签；解码时，正常压缩的图像部分正常解码，无图像部分由 GAN 网络生成。
模型如下图所示。
EE 为编码器；qq 为量化器；GG 为解码和生成器；DD 为对抗器。
基于深度学习的视频压缩编码
基于深度学习的视频编码分为两种：
- 采用深度学习替代传统视频编码中部分模块
- 端到端采用深度学习编码压缩
部分方案
采样深度神经网络可以替代传统视频编码中的模块包括：帧内/帧间预测、变换、上下采样、环路滤波、熵编码等6。
端到端方案
Lu7 提出了一个端到端采用深度学习进行视频编码压缩的方案；其采用卷积光流估计来进行运动估计，并使用两个自编码器对光流信息和残差信息进行编码压缩。
编码框架如下图所示：
采用一个卷积网络模块进行光流估计8，以作为运动估计。
采用自编码器对光流信息进行压缩，自编码器网络如下图所示：
结合上一帧图像和光流信息，获得运动补偿图像。运动补偿网络如下图所示：
将原图像与补偿图像进行差计算获得残差，残差也使用自编码器压缩。
Rippel9 提出了一种端到端基于机器学习（包括深度学习）的视频压缩方案；采用多帧参考的光流估计做运动估计，采用自编码器对光流信息和残差编码压缩，采用机器学习做码率控制。
Reference
- [2018 ICLR]
Variational image compression with a scale hyperprior - [2018 NIPS]
Joint Autoregressive and Hierarchical Priors for Learned Image Compression - [2016 ICLR]
Variable Rate Image Compression with Recurrent Neural Networks - [2017 CVPR]
Full Resolution Image Compression with Recurrent Neural Networks - [2019 ICCV]
Generative Adversarial Networks for Extreme Learned Image Compression - [2019 MM]
Deep Learning-Based Video Coding: A Review and A Case Study - [2019 CVPR]
DVC: An End-to-end Deep Video Compression Framework - [2017 CVPR]
Optical Flow Estimation using a Spatial Pyramid Network - [2019 ICCV]
Learned Video Compression