<div dir="ltr"><div class="gmail-adn gmail-ads"><div class="gmail-gs"><div class="gmail-"><div id="gmail-:1nj" class="gmail-ii gmail-gt"><div id="gmail-:1nk" class="gmail-a3s gmail-aXjCH"><div dir="ltr"><div dir="ltr"><div dir="ltr"><div><div><span class="gmail-m_8561049408237402175gmail-m_-1750993150304217790gmail-m_6389319195800074415gmail-m_-8133923162122058344gmail-m_-1763716027949905101gmail-m_6936151042752791574gmail-m_5552105694281904806gmail-m_408419128918831100gmail-m_1948246666769576665gmail-m_2358868591110292323gmail-m_1915704743853826484gmail-m_-2402332150115530072gmail-im">Apologies for cross-posting<br>*******************************<br></span><br><span class="gmail-m_8561049408237402175gmail-m_-1750993150304217790gmail-m_6389319195800074415gmail-m_-8133923162122058344gmail-m_-1763716027949905101gmail-m_6936151042752791574gmail-m_5552105694281904806gmail-m_408419128918831100gmail-m_1948246666769576665gmail-m_2358868591110292323gmail-m_1915704743853826484gmail-m_-2402332150115530072gmail-im">CALL FOR PARTICIPANTS & PAPERS<br><br></span>CLIC: Workshop and Challenge on Learned Image Compression 2019
<br>in conjunction with <span class="gmail-m_8561049408237402175gmail-m_-1750993150304217790gmail-il">CVPR</span> 2019, June 17, Long Beach, USA.<br>
<br>Website: <a href="http://www.compression.cc/" target="_blank">http://www.compression.cc/</a>
<br></div>
<br>
<br>Motivation
<br>
<br>The domain of image compression has traditionally used approaches 
discussed in forums such as ICASSP, ICIP and other very specialized 
venues like PCS, DCC, and ITU/MPEG expert groups. This workshop and 
challenge will be the first computer-vision event to explicitly focus on
 these fields. Many techniques discussed at computer-vision meetings 
have relevance for lossy compression. For example, super-resolution and 
artifact removal can be viewed as special cases of the lossy compression
 problem where the encoder is fixed and only the decoder is trained. But
 also inpainting, colorization, optical flow, generative adversarial 
networks and other probabilistic models have been used as part of lossy 
compression pipelines. Lossy compression is therefore a potential topic 
that can benefit a lot from a large portion of the CVPR community.
<br>
<br>Challenge Tasks
<br>
<br>We will be running two tracks on the the challenge: low-rate 
compression, to judged on the quality, and “transparent” compression, to
 be judged by the bit rate. For the low-rate compression track, there 
will be a bitrate threshold that must be met. For the transparent track,
 there will be several quality thresholds that must be met. In all 
cases, the submissions will be judged based on the aggregate results 
across the test set: the test set will be treated as if it were a single
 ‘target’, instead of (for example) evaluating bpp or PSNR on each image
 separately.
<br>
<br>For the low-rate compression track, the requirement will be that the
 compression is to less than 0.15 bpp across the full test set. The 
maximum size of the sum of all files will be released with the test set.
 In addition, a decoder executable has to be submitted that can run in 
the provided Docker environment and is capable of decompressing the 
submitted files. We will impose reasonable limitations for compute and 
memory of the decoder executable. The submissions in this track that are
 at or below that bitrate threshold will then be evaluated for best 
PSNR, best MS-SSIM, and best MOS from human raters.
<br>
<br>For the transparent compression track, the requirement will be that 
the compression quality is at least 40 dB (aggregated) PSNR; at least 
0.993 (aggregated) MS-SSIM; and a reasonable quality level using the 
Butteraugli measure (final values will be announced later). The 
submissions in this track that are at or better than these quality 
thresholds will then be evaluated for lowest total bitrate.
<br>
<br>We provide the same two training datasets as we did last year: 
Dataset P (“professional”) and Dataset M (“mobile”). The datasets are 
collected to be representative for images commonly used in the wild, 
containing around two thousand images. The challenge will allow 
participants to train neural networks or other methods on any amount of 
data (it should be possible to train on the data we provide, but we 
expect participants to have access to additional data, such as 
ImageNet).
<br>
<br>Participants will need to submit a file for each test image.
<br>
<br><b>Substantial prizes</b> will be given to the winners of the challenges. This is possible thanks to the sponsors.
<br>
<br>To ensure that the decoder is not optimized for the test set, we 
will require the teams to use one of the decoders submitted in the 
validation phase of the challenge.
<br>
<br>
<br>
<br>Regular Paper Track
<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>We encourage exploratory research which shows promising results in:
<br>●     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
<br>And in particular, how these topics can improve image compression.
<br>
<br>
<br>Challenge Paper Track
<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>
<br>

<br>Important Dates
<br>
<br>All deadlines are 23:59:59 PST.
<br>
<br><ul><li>December 17th, 2018     Challenge announcement and the training part of the dataset released
</li><li>January 8th, 2019  The validation part of the dataset released, online validation server is made available.
</li><li>April 8th, 2019    Deadline for regular paper submission.
</li><li>April 17th, 2019   The test set is released.
</li><li>April 17th, 2019   Regular paper decision notification.
</li><li>April 24th, 2019   The competition closes and participants are 
expected to have submitted their solutions along with the compressed 
versions of the test set.</li><li>May 8th, 2019     Deadline for challenge paper submission and factsheets.</li><li>May 15th, 2019      Results are released to the participants.
</li><li>May 22rd, 2019 Challenge paper decision notification
</li><li>May 30th, 2019     Camera ready deadline (all papers)
</li></ul>
<br>
<br>Speakers:
<br>
<br><div style="margin-left:40px">Anne Aaron (Netflix)
<br>Aaron Van Den Oord (Deepmind)
<br>Jyrki Alakuijala (Google)
<br></div>
<br>
<br>Organizers:
<br>
<br><div style="margin-left:40px">George Toderici (Google)
<br>Michele Covell (Google)
<br>Wenzhe Shi (Twitter)
<br>Radu Timofte (ETH Zurich)
<br>Lucas Theis (Twitter)
<br>Johannes Ballé (Google)
<br>Eirikur Agustsson (Google / ETH Zurich)
<br>Nick Johnston (Google)
<br>Fabian Mentzer (ETH Zurich)
<br></div>
<br>Sponsors:
<br>
<br><div style="margin-left:40px">  Google
<br>  Twitter
<br>  Nvidia
<br>  Huawei
<br>  Amazon
<br>  Netflix
<br></div>
</div></div><div dir="ltr"><br>Website: <a href="http://www.compression.cc/" target="_blank">http://www.compression.cc/</a></div></div></div></div></div></div></div></div><div class="gmail-gA gmail-gt gmail-acV"><div class="gmail-gB gmail-xu"><div class="gmail-ip gmail-iq"><div id="gmail-:1ln"><table class="gmail-cf gmail-wS"><tbody><tr><td class="gmail-amq"></td><td class="gmail-amr"><br></td></tr></tbody></table></div></div></div></div></div>