End-to-end compression-aware computer-generated holography
文章发表于Optics Express
文章标题:End-to-end compression-aware computer-generated holography
- Github: Repo
- 从题目中可知,文章的主题包含两个:计算全息术和压缩。
- 计算全息术的任务:根据目标场景(3D表示或者2D图片),生成空间光调制器上待调制的全息图,该全息图结果自由空间衍射后,光学重建出目标场景。
- 压缩技术的任务(此处特指有损压缩):使用尽可能少的比特来表示图片,其中比特率和图片质量之间存在权衡(trad-off)。
文章动机
- 海量的全息数据:为了实现逼真的全息显示效果,全息算法需要处理和生成大量数据,对存储和传输提出了要求。
- 传统图像编解码器不适用:像JPEG和HEVC等传统图像视频编解码器是专为人眼感知图像而设计的,全息图的统计特性与其区别很大,因此直接使用传统编解码器效率低。
- 全息压缩待开发:相对于全息图生成任务来说,全息图压缩任务受到的关注很少,而全息图的压缩对于全息图的实际应用很重要。
文章贡献
- 压缩性能不仅与压缩算法有关,还与待压缩的数据有关。考虑到设计新的压缩算法的复杂性:基于学习的编解码器需要大量的数据,并且新编解码器的兼容性有限,文章企图在使用已被广泛应用的JPEG编解码器的情况下,通过设计全息图生成算法来提高压缩性能。
- 使用可微分函数近似,将JPEG可微分化。随后在SGD算法框架中融入压缩过程,设计了Compression-aware的全息算法。
- 考虑到低比特率情况下JPEG压缩带来的噪声,在损失函数中引入了全息图的TV正则化,并设计了压缩水平自适应的权重函数。
实验结果
- JPEG-aware SGD + JPEG vs. SGD + JPEG:率失真性能得到明显提升。