Uso de autoencoders en la compresión de imágenes

Abstract

[ES] Se estudia la viabilidad del uso de autoencoders en la compresión de imágenes para escenarios de la vida real usando un método de división por cuadrícula de la imagen original. Se construyen varios modelos, utilizando diferentes técnicas de entrenamiento, y se compara su calidad de reconstrucción con obtenida por otros formatos de compresión con pérdida establecidos en la industria, como JPEG, en su similitud con la imagen original.

Para ello, se desarrollan compresores basados en un autoencoder con su correspondientes descompresores. La validación se hace con 41 imágenes de una base de datos de imágenes públicas, las cuales se comprimen y reconstruyen, para entonces extraer las métricas de similitud con las imágenes originales mse, psnr y ssim. El objetivo es optimizar las métricas obtenidas por el compresor desarrollado y comprarlas con las métricas obtenidas por otros formatos de compresión establecidos en la industria.

[EN] In this work the main focus will be to study viability of the use of autencoders in the task of image compression, making use of a grid division of the image. The performance of the autoencoder-based compressor will be evaluated and compared with other industry-stablished formats, such as JPEG, designing neuronal network models and training them with various techniques.

To achieve this an autoencoder-based compressor is developed, with its corresponding decompressor. The validation of its performance is performed with 41 images with different content types, all of them retrieved from a public image database, with which the reconstrucction fidelity is evaluated using the mse, psnr and ssim metrics. The objective is to optimize optimize these metrics for the autoencoder-based compressor, while keeping the compression ratio as low as possible. Then, the results are compared with the results produced by industry-stablished image compression formats.