第三届学习图像压缩挑战赛

文 / Nick Johnston 软件工程师 

往届比赛示例

人们每天从互联网上下载和播放大量的媒体内容，因此在保证质量的同时，尽可能占用最小的带宽将是一个持续挑战。

在 2015 年，研究人员提出了基于神经网络的图像压缩，能够在显著改善图像分辨率的同时，高质量和高压缩速度的完成压缩。我们在 2018 年和 2019 年的国际计算机视觉与模式识别会议 (CVPR) 上成功举办过两次研讨会 (Workshop)，这在某种程度上持续促进了压缩和带宽优化技术的进步。

今天我们非常激动地宣布第三届学习图像压缩挑战赛 (CLIC) 将继续在 CVPR 2020 上举办。此次研讨会将向各位研究人员发起挑战，要求使用机器学习、神经网络和其他计算机视觉方法来提高图像质量的同时降低多媒体传输所需的带宽。

今年的研讨会也将包含两条赛道：与往届相同，第一条是“低码率图像压缩”赛道，另一条是 P-Frame 视频压缩赛道。

与前几年的挑战相似，低码率图像压缩的目标是将给定的一套图像数据集压缩至 0.15 bpp (bits per pixel)，同时尽可能高的保持图像质量。比赛将用 PSNR 和 MS-SSIM 评估指标衡量各位选手的表现，从而决出入围决赛的选手。然后将由人工评估评分任务确定最终排名。

今年我们还将推出 P-Frame 压缩赛道，这是历届来第一次采用视频压缩任务。在此项挑战中，参赛者必须先在两个相邻的视频帧之间生成一个转换。然后在任务的解压缩环节，参赛者通过第一帧及压缩后的表征来重构第二帧。这项挑战将根据 MS-SSIM 性能分数来确定排名。

如果您正在从事学习图像压缩或视频压缩领域的研究，我们鼓励您参与 CLIC，无论是通过参加上述两项比赛或在 2020 年 CVPR Workshop 上发表论文。

目前，参赛作品提交通道正在开放中，提交的截止日期是 2020 年 3 月 23 日。如需了解更多关于比赛和最新日程表的详细信息，请参考 compression.cc。您也可以在我们的 Google 小组讨论页面上找到更多的公告和问题解答。

致谢

该研讨会由 Google、Twitter 和苏黎世联邦理工学院的研究人员联合主办。感谢以下人士的杰出贡献：George Toderici (Google)、Nick Johnston (Google)、Johannes Ballé (Google)、Eirikur Agustsson (Google)、Lucas Theis (Google)、Wenzhe Shi (Twitter)、Radu Timofte (ETH Zurich) 和 Fabian Mentzer (ETH Zurich)。

如果您想详细了解 本文讨论 的相关内容，请参阅以下文档。这些文档深入探讨了这篇文章中提及的许多主题：

• 基于神经网络的图像压缩
  https://arxiv.org/abs/1511.06085

• 分辨率
  https://ai.googleblog.com/2016/09/image-compression-with-neural-networks.html

• 高质量和高压缩速度
  https://arxiv.org/abs/1802.01436

• 2018
  https://ai.googleblog.com/2018/01/introducing-cvpr-2018-learned-image.html

• 第三届研讨会和学习图像压缩挑战赛
  http://www.compression.cc/

• CVPR 2020 
  http://cvpr2020.thecvf.com/

• Google 小组讨论页面
  https://groups.google.com/forum/#!forum/clic-2020

— 推荐阅读 —