Article accepté – MMSP

Notre article sur l’estimation de la qualité des images compressées avec les techniques basées sur l’apprentissage profond a été accepté dans la conférence IEEE Multimedia Signal Processing 2018 (MMSP) [1].

Dans cet article nous utilisons 2 parmi les plus récentes méthodes de compression basées sur le DL, développées respectivement par Ballé et al. [2] et par Toderici et al. [3]. Les images compressés avec ces méthodes ont été évaluées par un panel d’une vingtaine de personnes. Nous avons également considéré des images compressées avec des techniques « classiques » (HEVC-INTRA (BPG) et  JPEG2000).  Nous avons trouvé que la qualité subjective est souvent meilleure que JPEG2000, et en tout cas très proche. Par contre BPG a encore des meilleurs résultats en moyenne, même si sur certaines images la méthode [3] est la meilleure.

RDV sur [1] pour plus de détails! (Le PDF de cet article sera prochainement disponible).

[1] G. Valenzise, A. Purica, V. Hulusic, M. Cagnazzo. « Quality Assessment of Deep-Learning-Based Image Compression ». To appear in IEEE Multimedia Signal Processing Workshop, 2018.

[2] J. Ballé, V. Laparra, and E. P. Simoncelli, “End-to-end optimized image compression,” in Int. Conf. on Learning Representations (ICLR), Toulon, France, Apr. 2017.

[3] G. Toderici, D. Vincent, N. Johnston, S. J. Hwang, D. Minnen, J. Shor, and M. Covell, “Full resolution image compression with recurrent neural networks,” in IEEE Int. Conf. on Computer Vision and Pattern Recognition (CVPR), Honolulu, Hawaii, USA, Jul. 2017, pp. 5435–5443.