Santurkar, S., Budden, D., & Shavit, N. (2018). Generative Compression. In 2018 Picture Coding Symposium, PCS 2018 - Proceedings (pp. 258–262). https://doi.org/10.1109/PCS.2018.8456298
1.どんなもの？
画像の圧縮，復元をエンコーダとGANを用いて行う．
2.先行研究と比べてどこがすごいか？
JPEGより高い圧縮率と，解像度の高い復元が可能．
3.技術や手法のキモはどこにあるか？
gがジェネレータ，dがディスクリミネータ，ｆはエンコーダ
図の上の部分がGAN．
ノイズからジェネレータが実際の画像のような画像生成するように学習し，ディスクリミネータは実際の画像かジェネレータの出力が判別できるように学習する．
Lossは一般的なGANのLoss
下の部分がエンコーダとデコーダ
エンコーダの学習は，出力をジェネレータに入力したときにエンコーダと同じ画像を出力できるように学習する．
Conv4はImageNetで学習したAlexNet
Lossは単純に入力画像と出力画像の差のL2ノルムと，特徴抽出したときのL2ノルム両方をへらす．
単純なMSEだと高周波成分が無視される傾向にある．
4.どうやって有用だと検証した？
CelebA, UT Zappos50K， MIT Placesで実験
5.議論はあるか？
6.次に読むべき論文はあるか？
画像の圧縮の論文
Deepじゃない
Rott Shaham, T., & Michaeli, T. (n.d.). Deformation Aware Image Compression. Retrieved from https://arxiv.org/pdf/1804.04593.pdf