vector - 矢量量化中的训练集

Question

我正在学习图像压缩和重建方面的矢量量化，我想知道为什么我们要从训练集中形成一个初始码本？既然我们只是在传输码字的索引，那我们为什么不把训练集当作最终的码本呢？这将导致更准确的重建，对吧？会有什么区别？

Answer 1

码本不是要传输的图像。码字是 k 维码本中一行的参考点。注意：码本本质上是一个二维数组，其中行号是码字。

示例：1000 个训练图像的大小为 512x512。如果我们要创建一个大小为 256 的码本，将 512x512 的图像压缩成 128x128 的 VQ（矢量量化）索引表，那么我们的码本需要 16 维（即原始图像中的每个 4x4 块（16 个值）被压缩成 1值，它是一个代码字）。无论您使用哪种聚类算法（例如 LBG），都会在 1000 个训练图像中找到最接近的 16 个值，这些值最能代表 4x4 块。这 16 个值将被放入码本。在找到最好的 256 个组或 16 个值的簇后，码本就可以使用了。

这个码本需要发送给接收方一次。与 1000 个 512x512 的训练图像相比，它是一个 256 行、16 维的结构。您将 128x128 索引表发送给接收器，然后接收器可以在码本中查找位置并重建 512x512 图像。这并不准确，因为这种类型的压缩是有损的。