Survey on Visual Signal Coding and Processing with Generative Models: Technologies, Standards and Optimization

本文介绍了生成模型在视觉信号编码和处理方面的最新发展。具体而言，我们的重点是介绍生成模型的进步及其对视觉信号编码和处理领域的影响。本次调查研究从简要介绍已建立的生成模型开始，包括变分自编码器（VAE）模型、生成对抗网络（GAN）模型、自回归（AR）模型、归一化流和扩散模型。文章的后续部分探讨了基于生成模型的视觉信号编码的进展，以及正在进行的国际标准化活动。在视觉信号处理领域，我们的重点在于各种生成模型在视觉信号恢复研究中的应用和发展。我们还介绍了生成视觉信号合成和编辑的最新发展，以及使用生成模型进行视觉信号质量评估和生成模型质量评估。这些研究的实际实施与快速优化的研究密切相关。本文还介绍了生成模型在视觉信号编码和处理中快速优化的最新进展。我们希望通过为研究人员和实践者提供关于生成模型视觉信号编码和处理主题的综合文献综述来推进这一领域的发展。

本论文旨在调查生成模型在视觉信号编码和处理方面的最新发展，并探讨它们对该领域研究的影响。

本论文介绍了目前广泛使用的生成模型，如变分自编码器（VAE）、生成对抗网络（GAN）、自回归模型（AR）、归一化流和扩散模型，并阐述了它们在视觉信号编码和处理方面的最新进展。

论文重点介绍了生成模型在视觉信号编码、处理、复原、合成和编辑方面的最新应用和发展，并讨论了与快速优化相关的实际实现。此外，还介绍了使用生成模型进行视觉信号质量评估和质量评估的最新进展。

最近的相关研究包括：《A Survey on Generative Models for Graph Representation Learning》、《Generative Models for Effective ML on Private, Decentralized Datasets》等。