在矢量量化中的訓練集

Question

我正在學習圖像壓縮和重構方面的矢量量化，我想知道爲什麼我們要從訓練集中形成初始碼書？既然我們只傳輸碼字的索引，那麼爲什麼我們不把這個訓練集作爲最終的碼本。這會導致更準確的重建，對吧？有什麼區別？

Answer 1

碼本不是要傳輸的圖像。碼字是k維碼本中一行的參考點。注意：碼本本質上是一個二維數組，其中行號是碼字。

示例： 1000張訓練圖像的大小均爲512x512。 如果我們想創建一個尺寸爲256的碼本，爲了將512x512圖像壓縮成128x128 VQ（矢量量化）索引表，我們的碼本需要16個維度（即，我們原始圖像中的每個4x4塊（16個值）被壓縮到1的值是一個碼字）。 無論您使用哪種聚類算法（例如LBG），都會在1000個訓練圖像中找到最能代表4x4塊的最接近的16個值。這16個值將被放入碼本。在找到最佳的256個組或16個值的集羣之後，碼簿即可使用。

該碼本需要發送給接收端一次。它是一個256行，16維結構，與1000個512x512訓練圖像相比。您可以向接收方發送一個128x128索引表，然後查找碼本中的位置並重建512x512圖像。這不是確切的，因爲這種類型的壓縮是有損的。