深度学习之视频图像压缩,论智,zmbhou,自上世纪80年代引入JPEG以来，图像压缩取得了许多明显的进展，包括最近提出的现代图像编解码技术（例如，BPG和WebP）。不过，很大程度上，这些现代编解码器，使用的仍然是与JPEG类似的像素转换技术。2016年，基于神经网络的图像压缩技术，首次取得与JPEG相当的表现。2017年，这一领域发展迅速，表现渐渐超越了现代图像压缩的工业标准。高分辨率手机图像和专门硬件（例如，GPU）的流行，意味着这一领域具有广阔的应用前景。 论智很荣幸地邀请到了周雷博士，上海交通大学模式识别与智能系统PhD，图鸭科技深度学习算法研究员，分享在视频图像压缩领域应用深度学习的经验。 Google、ETH、Twitter、Amazon、Disney Research、Netflix联合赞助了CVPR 2018（计算机视觉领域顶会）的学习图像压缩挑战（CLIC）。在上月底（2018年5月31日）CLIC结果揭晓，来自图鸭科技的TucodecTNGcnn4p团队为3个赢家之一，在MOS、MS-SSIM两项指标中均为第一。 适用人群：从事机器学习、图像处理的工作，或对这两个领域感兴趣者