Image compression using optimal transport mapping based on ranking visual saliency

doi:10.1016/j.patcog.2025.112201

Image compression using optimal transport mapping based on ranking visual saliency

2025-07-27

0

PRE

AI

DOI：10.1016/j.patcog.2025.112201

原文链接

原文求助

摘要

En 中文

由于多媒体技术的增长以及虚拟现实（VR）和增强现实（AR）应用的日益普及，对高效图像传输和存储的需求也在不断增长。我们提出了一种基于图像区域重要性识别和最优传输（OT）的图像压缩方法。由于图像中并非所有区域同等重要，我们可以识别出图像中的关键区域进行高保真压缩，而对不太重要的区域采用低保真压缩。在压缩过程中，关键区域被放大，而次要区域则被缩小。在此过程中，我们使用最优传输（OT）为关键区域分配更高的重要性。在解压缩时，使用逆最优传输（逆OT）来恢复图像。我们的方法具有以下优点：首先，它适用于各种压缩框架，包括传统的和基于深度学习的压缩框架；其次，它在调整图像前景和背景方面更加灵活，前景与背景的比例可根据应用的实际需求自由调整。实验结果表明，我们的方法能够在实现高压缩率的同时提高恢复图像的质量。在变化的实验条件下进行比较显示，我们的方法通过提高关键区域的重建保真度，比现有技术在相同压缩率水平上提升了4.5–7.0%（95%置信区间）。

Keyword:

image compression

optimal transport

region importance

virtual reality

augmented reality

Image compression using optimal transport mapping based on ranking visual saliency

摘要

期刊

机构

引用论文