Guided Refinement (GR)

新的GR-GIC方法提高了图像压缩质量和速度

研究人员开发了一种新颖的生成图像压缩方法GR-GIC，该方法在保持高感知质量的同时实现了快速推理速度。该方法引入了引导精炼（GR）机制，通过结合熵-上下文引导的潜在变量精炼和用于训练正则化的自适应扰动，在低比特率下提高重建质量。为了实现更快的推理速度，GR-GIC采用了重组的投影残差向量量化（P-RVQ），该方法优化了残差更新，以实现更大的并行性和减少顺序计算。