OMR-NET: a two-stage octave multi-scale residual network for screen content image compression

本文介绍了屏幕内容（SC）与自然场景（NS）的不同特点，包括无噪声、重复模式和高对比度等。为了解决当前学习图像压缩（LIC）方法在处理SC方面的不足，我们提出了改进的两阶段八度卷积残差块（IToRB）用于高低频特征提取，以及级联的两阶段多尺度残差块（CTMSRB）用于改进SC中的多尺度学习和非线性。此外，我们采用基于窗口的注意力模块（WAM）来捕捉像素之间的相关性，特别是在图像的高对比度区域。我们还构建了一个多样化的SC图像压缩数据集（SDU-SCICD2K）进行训练，包括文本、图表、图形、动画、电影、游戏和SC图像与NS图像的混合。实验结果表明，我们的方法在SC数据上比在NS数据上更适用，比现有的LIC方法在SC图像的速率失真性能方面表现更好。代码公开在https://github.com/SunshineSki/OMRNet.git。

本论文旨在解决当前学习图像压缩方法在屏幕内容（SC）方面的不足，提出了一种针对SC的改进两阶段八度卷积残差块（IToRB）和级联两阶段多尺度残差块（CTMSRB）的方案，并使用基于窗口的注意力模块（WAM）捕捉像素间的相关性。

本论文的关键思路是通过IToRB和CTMSRB来提高SC图像的高低频特征提取和多尺度学习能力，同时使用WAM来捕捉像素间的相关性，进而改善SC图像的压缩效果。

本论文构建了一个包括文本、图表、图形、动画、电影、游戏和SC图像与NS图像混合的多样化SC图像压缩数据集（SDU-SCICD2K）进行训练，并在SC图像上展示了该方法在速率失真性能方面优于现有的LIC方法。此外，论文还公开了代码。

最近在这个领域的相关研究包括：1. Learning-based image compression for screen content with multi-stage attention and visual quality enhancement；2. Screen Content Image Coding: A Review；3. Deep Learning for Screen Content Image Coding: A Review。