论文翻译 CONTEXT-ADAPTIVE ENTROPY MODEL FOR END-TOEND OPTIMIZED IMAGE COMPRESSION

From https://arxiv.org/abs/1809.10452

在端到端的图像压缩中，一个很重要的元素是可训练的熵模型。隐藏表征的实际分布是不知道的，而熵模型通过近似他们的分布来预测编码所需要的比特数。当输入图像x被变换为隐藏表征y然后均匀地量化为$\hat{y}$时，我们用$p_{\hat{\boldsymbol{y}}}(\hat{\boldsymbol{y}})$来表示简单的熵模型。
当$\hat{y}$的实际边缘分布用$m(\hat{y})$来表示，我们可以用熵模型交叉熵来计算率估计，用等式1来表示

Hello

这个周末断断续续， 终于完成了hexo+Next的个人博客搭建。 在网上找资料的时候看到花花绿绿各种各样的博客，今天终于也有一个自己的了。