圖像重采樣 (Image Rescaling，LR) 任務(wù)聯(lián)合優(yōu)化圖像下采樣和上采樣操作，通過對圖像分辨率的下降和還原，可以用于節(jié)省存儲空間或傳輸帶寬。在實(shí)際應(yīng)用中，例如圖集服務(wù)的多檔位分發(fā)，下采樣得到的低分辨率圖像往往會進(jìn)行有損壓縮，而有損壓縮往往導(dǎo)致現(xiàn)有算法的性能大幅下降。

近期，字節(jié)跳動 - 火山引擎多媒體實(shí)驗(yàn)室首次嘗試了有損壓縮下的圖像重采樣性能優(yōu)化，設(shè)計(jì)了一種非對稱可逆重采樣框架，基于該框架下的兩點(diǎn)觀察，進(jìn)一步提出了抗壓縮圖像重采樣模型 SAIN。該研究將一組可逆網(wǎng)絡(luò)模塊解耦成重采樣和壓縮模擬兩個部分，使用混合高斯分布建模分辨率下降和壓縮失真造成的聯(lián)合信息損失，結(jié)合可微的 JPEG 算子進(jìn)行端到端訓(xùn)練，大幅提升了對于常見壓縮算法的魯棒性。

目前對于圖像重采樣的研究，SOTA 方法是基于可逆網(wǎng)絡(luò) (Invertible Network) 構(gòu)建一個雙射函數(shù) (bijective function)，其正運(yùn)算將高分辨率 (HR) 圖像轉(zhuǎn)換為低分辨率 (LR) 圖像和一系列服從標(biāo)準(zhǔn)正態(tài)分布的隱變量，逆運(yùn)算則隨機(jī)采樣隱變量，結(jié)合 LR 圖像進(jìn)行上采樣還原。

由于可逆網(wǎng)絡(luò)的特性，下采樣和上采樣算子保持高度的對稱性 (symmetry)，這就導(dǎo)致受壓縮的 LR 圖像難以通過原本學(xué)得的上采樣算子進(jìn)行還原。為了增強(qiáng)對于有損壓縮的魯棒性，該研究提出了一個基于非對稱可逆框架的抗壓縮圖像重采樣模型 SAIN (Self-Asymmetric Invertible Network)。

SAIN 模型的核心創(chuàng)新點(diǎn)如下：

• 提出了非對稱 (asymmetric) 式的可逆圖像重采樣框架，解決了先前方法中由于嚴(yán)格對稱性導(dǎo)致的性能下降問題；提出了增強(qiáng)可逆模塊 (E-InvBlock)，在共享大量參數(shù)和運(yùn)算的前提下，增強(qiáng)模型擬合能力，同時建模壓縮前和壓縮后的兩組 LR 圖像，使模型能夠通過逆運(yùn)算進(jìn)行壓縮恢復(fù)和上采樣。
• 構(gòu)建可學(xué)習(xí)的混合高斯分布，建模分辨率下降和有損壓縮造成的聯(lián)合信息損失，通過重參數(shù)化技巧直接優(yōu)化分布參數(shù)，更加符合隱變量的實(shí)際分布。

SAIN 模型進(jìn)行了 JPEG 和 WebP 壓縮下的性能驗(yàn)證，在多個公開數(shù)據(jù)集上的表現(xiàn)大幅領(lǐng)先 SOTA 模型，相關(guān)研究已經(jīng)入選 AAAI 2023 Oral。

• 論文地址：https://arxiv.org/abs/2303.02353
• 代碼鏈接：https://github.com/yang-jin-hai/SAIN

非對稱重采樣框架

圖 1 Dual-IRN 模型圖。

為了提升抗壓縮性能，該研究首先設(shè)計(jì)了一種非對稱式的可逆圖像重采樣框架，提出了 baseline 方案 Dual-IRN 模型，深入分析了該方案的不足之處后，進(jìn)一步優(yōu)化提出了 SAIN 模型。如上圖所示，Dual-IRN 模型包含兩個分支，其中 D-IRN 和 U-IRN 為兩組可逆網(wǎng)絡(luò)，分別學(xué)習(xí) HR 圖像與壓縮前 / 壓縮后 LR 圖像之間的雙射。

在訓(xùn)練階段，Dual-IRN 模型通過可微的 JPEG 算子傳遞兩個分支之間的梯度。而在測試階段，模型通過 D-IRN 進(jìn)行下采樣獲得高質(zhì)量的 LR 圖像，經(jīng)過現(xiàn)實(shí)環(huán)境中的真實(shí)壓縮后，再通過具有壓縮感知 (compression-aware) 的 U-IRN 完成壓縮恢復(fù)和上采樣。

這樣的非對稱式框架，使得上采樣和下采樣的算子避免了嚴(yán)格的可逆關(guān)系，從根源上解決了壓縮算法破壞上下采樣過程對稱性帶來的問題，相對于 SOTA 的對稱式方案大幅提升了抗壓縮性能。

隨后，研究人員對 Dual-IRN 模型展開進(jìn)一步的分析，觀察到以下兩個現(xiàn)象：

• 第一，衡量 D-IRN 和 U-IRN 兩個分支中間層特征的 CKA 相似性。如上圖 (b) 所示，D-IRN 最后一層的輸出特征（即網(wǎng)絡(luò)生成的高質(zhì)量 LR 圖像）與 U-IRN 淺層的輸出特征具有高度的相似性，表明 U-IRN 的淺層行為更貼近采樣損失的模擬，而深層行為更貼近壓縮損失的模擬。
• 第二，統(tǒng)計(jì) D-IRN 和 U-IRN 兩個分支中間層隱變量的真實(shí)分布。如上圖 (c)(d) 所示，不具壓縮感知的 D-IRN 的隱變量整體上滿足單峰的正態(tài)分布假設(shè)，而具有壓縮感知的 U-IRN 的隱變量則呈現(xiàn)了多峰的形態(tài)，表明有損壓縮帶來的信息損失形式更加復(fù)雜。

基于以上分析，研究人員從多個方面對模型進(jìn)行優(yōu)化，最終得到的 SAIN 模型不僅網(wǎng)絡(luò)參數(shù)量下降了將近一半，并且還取得了進(jìn)一步的性能提升。

SAIN 模型細(xì)節(jié)

圖 2 SAIN 模型圖。

SAIN 模型的架構(gòu)如上圖所示，主要進(jìn)行了以下四個方面的改進(jìn)：

1. 整體框架方面。基于中間層特征的相似性，將一組可逆網(wǎng)絡(luò)模塊解耦成重采樣和壓縮模擬兩個部分，形成自非對稱 (self-asymmetric) 架構(gòu)，避免使用兩組完整的可逆網(wǎng)絡(luò)。在測試階段，使用正變換

取得高質(zhì)量的 LR 圖像，先使用逆變換

進(jìn)行壓縮恢復(fù)，再使用逆變換

進(jìn)行上采樣。

2. 網(wǎng)絡(luò)結(jié)構(gòu)方面。基于壓縮損失能夠借助高頻信息恢復(fù)的假設(shè)提出 E-InvBlock，在模塊中增加一個加性變換，使得共享大量運(yùn)算的前提下可以高效地建模壓縮前 / 壓縮后的兩組 LR 圖像。

3. 信息損失建模方面。基于隱變量的真實(shí)分布，提出使用可學(xué)習(xí)的混合高斯分布建模下采樣和有損壓縮帶來的聯(lián)合信息損失，通過重參數(shù)化技巧端到端優(yōu)化分布參數(shù)。

4. 目標(biāo)函數(shù)方面。設(shè)計(jì)了多個損失函數(shù)，用于約束網(wǎng)絡(luò)的可逆性、提高重建精度，同時在損失函數(shù)中引入真實(shí)壓縮操作以增強(qiáng)對真實(shí)壓縮方案的魯棒性。

實(shí)驗(yàn)與效果評估

評估數(shù)據(jù)集為 DIV2K 驗(yàn)證集和 Set5、Set14、BSD100 和 Urban100 四個標(biāo)準(zhǔn)測試集。

量化評估指標(biāo)為：

• PSNR：Peak Signal-to-Noise Ratio，峰值信噪比，反映重建圖像與原始圖像的均方誤差，越高越好；
• SSIM：Structural Similarity Image Measurement，衡量重建圖像與原始圖像的結(jié)構(gòu)相似度，越高越好。

在表 1 和圖 3 的對比實(shí)驗(yàn)中，SAIN 在所有數(shù)據(jù)集上的 PSNR 和 SSIM 分?jǐn)?shù)都大幅領(lǐng)先 SOTA 的圖像重采樣模型。在比較低的 QF 下，現(xiàn)有方法普遍出現(xiàn)嚴(yán)重的性能下降，而 SAIN 模型仍然保持最優(yōu)性能。

表 1 對比實(shí)驗(yàn)，在 DIV2K 數(shù)據(jù)集上比較不同 JPEG 壓縮質(zhì)量 (QF) 下的重建質(zhì)量 (PSNR / SSIM)。

圖 3 對比實(shí)驗(yàn)，在四個標(biāo)準(zhǔn)測試集上比較不同 JPEG QF 下的重建質(zhì)量 (PSNR)。

在圖 4 的可視化結(jié)果中，可以明顯看出 SAIN 還原的 HR 圖像更加清晰、準(zhǔn)確。

圖 4 不同方法在 JPEG 壓縮下的可視化結(jié)果對比 (×4 倍率)。

在表 2 的消融實(shí)驗(yàn)中，研究人員還比較了其他幾種結(jié)合真實(shí)壓縮進(jìn)行訓(xùn)練的候選方案。這些候選方案相較于完全對稱的現(xiàn)有模型 (IRN) 具有更高的抗壓縮性能，但在參數(shù)量和準(zhǔn)確率上仍不如 SAIN 模型。

表 2 針對整體框架和訓(xùn)練策略的消融實(shí)驗(yàn)。

在圖 5 的可視化結(jié)果中，研究人員對比了 WebP 壓縮失真下不同圖像重采樣模型的重建結(jié)果。可以發(fā)現(xiàn)，SAIN 模型在 WebP 壓縮方案下同樣表現(xiàn)出了最高的重建分?jǐn)?shù)，能夠清晰準(zhǔn)確地還原圖像細(xì)節(jié)，證明了 SAIN 對于不同壓縮方案的兼容性。

圖 5 不同方法在 WebP 壓縮下的定性和定量對比 (×2 倍率)。

除此之外，該研究還針對混合高斯分布、E-InvBlock 和損失函數(shù)等部分進(jìn)行了消融實(shí)驗(yàn)，證明了這些改進(jìn)對于結(jié)果的正向貢獻(xiàn)。

總結(jié)與展望

火山引擎多媒體實(shí)驗(yàn)室針對抗壓縮圖像重采樣提出了一個基于非對稱可逆框架的模型：SAIN。該模型包含重采樣和壓縮模擬兩個部分，使用混合高斯分布建模分辨率下降和壓縮失真造成的聯(lián)合信息損失，結(jié)合可微的 JPEG 算子進(jìn)行端到端訓(xùn)練，提出 E-InvBlock 來增強(qiáng)模型擬合能力，大幅提升了對于常見壓縮算法的魯棒性。

火山引擎多媒體實(shí)驗(yàn)室是字節(jié)跳動旗下的研究團(tuán)隊(duì)，致力于探索多媒體領(lǐng)域的前沿技術(shù)，參與國際標(biāo)準(zhǔn)化工作，其眾多創(chuàng)新算法及軟硬件解決方案已經(jīng)廣泛應(yīng)用在抖音、西瓜視頻等產(chǎn)品的多媒體業(yè)務(wù)，并向火山引擎的企業(yè)級客戶提供技術(shù)服務(wù)。實(shí)驗(yàn)室成立以來，多篇論文入選國際頂會和旗艦期刊，并獲得數(shù)項(xiàng)國際級技術(shù)賽事冠軍、行業(yè)創(chuàng)新獎及最佳論文獎。

未來，研究團(tuán)隊(duì)會繼續(xù)優(yōu)化圖像重采樣模型在有損壓縮下的性能，并且進(jìn)一步探索抗壓縮視頻重采樣、任意倍率重采樣等更加復(fù)雜的應(yīng)用情景。