Ортогонализация и параметризация свёрточных ядер в машинном обучении при компрессии изображений и видео

Abstract

Исследуется ортогонализация и параметризация свёрточных ядер, применяемых при иерархической интерполяции в рамках метода компрессии изображений и видео, основанного на машинном обучении. В качестве алгоритмов машинного обучения на этапе интерполяции рассматриваются нейросети сверхразрешения и деревья решений, адаптивно выбирающие интерполирующую функцию из заранее заданного набора свёрточных функций с параметризованными ортогональными весами. Ортогонализация и параметризация весов свёрточных ядер используется для повышения эффективности интерполяционного алгоритма машинного обучения, которое в свою очередь приводит к повышению эффективности метода компрессии в целом. Вычислительные эксперименты демонстрируют выигрыш предложенного алгоритма на реальных видеосигналах.