VARIATIONAL IMAGE COMPRESSION WITH A SCALE HYPERPRIOR
本篇算法也是随笔1.的核心参考文献
作者通过自编码器，把图像压缩成latent representation （16x缩小），然后利用统计概率进行熵编码。
作者利用下采样缩小图像规模、提取高维特征，然后利用量化器编码。其中，作者利用GDN代替BN层，对于图像的编码更加精准。
熵编码需要得知各个字符的概率，按照概率分布分配合适的码字，从而尽可能减少整个图像所占用的比特数。
作者从编码器向解码器传输辅助信息，调整熵模型的信号，降低它与熵模型的不匹配。因为传递的辅助信息是作为熵模型的先验知识，而熵模型是图像编码解码的先验知识，因此将传递的辅助信息叫做Hyperprior（超先验）
其中，把一个图像压缩成latent representation的算法见下一篇论文
Theoretical Foundations of Transform Coding