<div dir="ltr">

<div dir="ltr"><div><span>Apologies for cross-posting<br>*******************************<br></span><br><span>CALL FOR PARTICIPANTS & PAPERS<br><br></span>CLIC: 3rd Workshop and Challenge on Learned Image Compression <span>2020</span>

<br>in conjunction with <span><span>CVPR</span></span> <span>2020</span>, June 14, Seattle, USA.<br>

<br>Website: <a href="http://www.compression.cc/" target="_blank">http://www.compression.cc/</a></div><div><br></div><div>

<br></div><div>MOTIVATION<br></div><div><div dir="ltr"><div>

<br>

Our workshop aims to gather publications which will advance the field of

 image and video compression using state of the art machine learning and

 computer vision techniques. Even with the long history of 

signal-processing oriented compression, taking new approaches to image 

processing have great potential, due to the proliferation of 

high-resolution cell-phone images and special hardware (e.g., GPUs and 

mobile AI accelerators). The potential in this area has already been 

demonstrated using recurrent neural networks, convolutional neural 

networks, and adversarial learning, many of these matching the best 

image-compression standards when measured on perceptual metrics. As 

such, we are interested in the various techniques associated with this 

class of methods. Broadly speaking, we would like to encourage the 

development of novel encoder/decoder architectures, novel ways to 

control information flow between the encoder and the decoder, novel 

optimization objectives for improved perceptual quality and learn how to

 quantize (or learn to quantize) better.

<br>

</div><div><br></div><div><br>

CHALLENGE TRACKS

<br>

<br>There are two challenge tracks. In the low bit-rate track, images 

need to be compressed to below 0.15 bits per pixel (bpp). This is the 

same task as in previous years, which allows us to measure progress over

 the years. As a first step towards video compression, this year also 

includes a P-frame track. Here, video P-frames need to be predicted from

 a previous frame.

<br>

<br>Low-rate compression

<br>

<br>For the low bit-rate track (which is similar to the one we ran at 

CLIC 2018), contestants will be asked to compress the entire dataset to 

0.15 bpp or smaller. The winners of the competition will be chosen based

 human perceptual rating task and will be asked to give a short talk at 

the CLIC workshop. PSNR and MS-SSIM will be evaluated but not considered

 for prizes. We will provide last year’s professional and mobile 

datasets (all splits) as the training data for this challenge track. A 

new test set will be generated for this year and released during the 

test phase. 

<br>

<br>

<br>P-frame compression

<br>

<br>The P-frame challenge will require entrants to compress a video 

frame conditioned on the previous image frame. Instead of splitting the 

dataset into training and test sets, in this track the entire dataset is

 released before the test phase. To discourage overfitting, the model 

size is added to the compressed dataset size and the sum cannot exceed a

 target bit-rate. That is, participants should try to minimize both the 

dataset size and the model size. The winner will be determined based on 

MS-SSIM.

<br>

<br>

<br>REGULAR PAPERS<br>

<br>We will have a short (4 pages) regular paper track, which allows 

participants to share research ideas related to image compression. In 

addition to the paper, we will host a poster session during which 

authors will be able to discuss their work in more detail. 

<br></div><div><br></div><div>We encourage exploratory research which shows promising results in:

<br><div style="margin-left:40px">●     Lossy image compression

<br>●     Quantization (learning to quantize; dealing with quantization in optimization)

<br>●     Entropy minimization

<br>●     Image super-resolution for compression

<br>●     Deblurring

<br>●     Compression artifact removal

<br>●     Inpainting (and compression by inpainting)

<br>●     Generative adversarial networks

<br>●     Perceptual metrics optimization and their applications to compression

And, in particular, how these topics can improve image compression.

<br>

</div></div><div><br>

<br>

CHALLENGE PAPERS

<br>

<br>The challenge task participants are asked to submit a short paper 

(up to 4 pages) detailing the algorithms which they submitted as part of

 the challenge.

<br>

</div><div><br></div><div><br>

SUBMISSION (TBA)

<br>

</div><div><br></div><div><br>

IMPORTANT DATES

<br>

<br><div style="margin-left:40px">

November 22th 2019      Development phase & announcement. The training part of the dataset released.

January 7th, 2020     The validation part of the dataset released, online validation server is made available.

March 13th, 2020      Final decoders for the challenge are expected to be submitted.

March 16th, 2020      Test set is released for contestants to compress.

March 20th, 2020      Encoded test set submission deadline. The competition is closed at this point.

March 23th, 2020      Paper and Factsheet submission deadline.per and Factsheet submission deadline.

<br>April 6th, 2020       Paper decision notification.

<br>Mid April, 2020       Camera ready deadline for CVPR

<br>Mid May, 2020                 End of human evaluation on both challenges. Results will be released online before the workshop. 

<br></div>

</div><div><br></div><div><br>SPEAKERS

<br>

<br><div style="margin-left:40px">

Nils Thuerey, Technical University of Munich, Germany

<br>Yochai Blau, Technion, Israel

<br>Tom Bird, UCL, London

<br></div>

</div><div><br></div><div><br>ORGANIZERS

<br>

<br><div style="margin-left:40px">

George Toderici (Google)

<br>Wenzhe Shi (Twitter)

<br>Radu Timofte (ETH Zurich)

<br>Lucas Theis (Twitter)

<br>Johannes Ballé (Google)

<br>Eirikur Agustsson (ETH Zurich / Google)

<br>Nick Johnston (Google)

<br>Fabian Mentzer (ETH Zurich) <br></div><br>SPONSORS (TBU):<br>

<br><div style="margin-left:40px"></div><div style="margin-left:40px">  </div><div style="margin-left:40px">Google

<br>  Twitter <br></div><div style="margin-left:40px">CVL / ETH Zurich</div><div style="margin-left:40px">

Huawei<br></div><div style="margin-left:40px">Disney Research</div><div style="margin-left:40px">

MediaTek</div>

<div><br>Website: <a href="http://www.compression.cc/" target="_blank">http://www.compression.cc/</a></div></div></div></div></div>

</div>