生成对抗网络图像处理综述

2014年提出的生成对抗网络(Generative Adversarial Networks,GAN)是近年来神经网络领域中为数不多的一项新锐技术。GAN在常见生成模型的基础上增加了一个判别模型,以形成巧妙的对抗学习机制,使它能够产生更高质量的图像。近年来各种改进型GAN在图像处理领域得到广泛应用,不但覆盖了几乎所有传统图像处理领域,还包括一些新应用,如图像编辑、图像翻译、风格转移等,普遍取得了胜过传统方法的良好结果。文中在简要分析GAN的系统结构、对抗生成和网络训练的基础上,重点介绍了为提高GAN性能、克服现存缺陷和满足不同应用而出现的多种改进型GAN,如DC-GAN、W-GAN、Big-GAN等。尽管如此,目前GAN尚处于初始发展阶段,将来的前途不可估量。

可视质量评价方法综述

近年来随着图像处理应用的快速发展,对图像质量高效而可靠的评价也变得越来越重要。文中首先简要介绍可视质量评价的大体情况和发展历程。然后,在简介信号驱动、模型驱动和数据驱动等三种评价类型的基础上,着重阐述了客观评价中的无参考质量评价方法和深度学习的质量评价方法。此外还介绍了立体图像、计算机图形等非自然图像的评价,列出了公开常用的图像评价数据库。最后,对可视信息评价的今后发展作了展望。

H.266/VVC:新一代通用视频编码国际标准

在2013年制定的H.265/HEVC视频编码标准获得成功后,新一代视频编码国际标准H.266/VVC在ITU⁃T的VCEG和ISO/IEC的MPEG通力合作下已于2020年7月完成。尽管VVC视频编码层的结构仍然是传统的基于块的混合视频编码模式,但VVC提供了多项先进的视频编码工具,较先前的HEVC标准,其压缩率大约提高了一倍。文中主要对VVC标准中新编码技术的特点和性能进行综述。

“四深”微生物的地质作用——从气候环境变化到生态灾难

“四深”微生物是指深海、深地、深空和深时环境的微生物,特别是细菌、古菌、真菌、病毒等。人们对“四深”微生物的了解非常有限,是亟待突破的地球生物学前沿领域。“四深”微生物的研究对理解地球生命起源、界定生物圈的边界条件、促进地球科学与生命科学以及行星科学之间的交叉融合具有不可替代性的贡献。随着我国深海、深空、深地等重大工程计划的推进,一系列与“四深”微生物有关的前沿科学问题不断提出,包括地质微生物与气候环境的相互作用、地质微生物的生物安全与生态安全、地质微生物参与的隐匿地质过程等。特别是,“四深”环境活性氧自由基对微生物的影响、地质病毒对生物演化和地质过程的影响等前沿领域都亟待突破。活性氧自由基能对生物分子、细胞、组织和器官,乃至整个生物圈的演化以及微生物地质作用都产生重要影响。病毒引发了现代和近代诸多全球性疫情爆发,地质病毒则可能对生物的背景灭绝和大灭绝以及一些地质过程产生影响。

基于学习的视频编码技术进展

近来,深度神经网络为视频编码提供了一种新的有前途的解决方案,即基于学习的视频编码技术。文中着重回顾了两类基于学习的视频编码技术,一类是用神经网络替代或协助传统编码框架中某些“功能模块”的压缩,另一类是全神经网络实现的“端到端系统”压缩。分别给出了两类技术中一些近来有代表性的研究成果,展示了它们的优越之处、长足进展及发展潜力。在给出这类技术目前存在问题的同时,也简要展望了今后的研究方向。

A WYNER-ZIV VIDEO CODING METHOD UTILIZING MIXTURE CORRELATION NOISE MODEL

In Wyner-Ziv (WZ) Distributed Video Coding (DVC), correlation noise model is often used to describe the error distribution between WZ frame and the side information. The accuracy of the model can influence the performance of the video coder directly. A mixture correlation noise model in Discrete Cosine Transform (DCT) domain for WZ video coding is established in this paper. Different correlation noise estimation method is used for direct current and alternating current coefficients. Parameter estimation method based on expectation maximization algorithm is used to estimate the Laplace distribution center of direct current frequency band and Mixture Laplace-Uniform Distribution Model (MLUDM) is established for alternating current coefficients. Experimental results suggest that the proposed mixture correlation noise model can describe the heavy tail and sudden change of the noise accurately at high rate and make significant improvement on the coding efficiency compared with the noise model presented by DIStributed COding for Video sERvices (DISCOVER).