Tag · 7 篇
图像压缩
实用学习型图像压缩中真正重要的因素
What Matters in Practical Learned Image Compression
论文把感知质量与端侧运行时延作为联合优化目标，并用数百万骨干网络配置的感知性能神经架构搜索来寻找帕累托前沿，这套「感知指标驱动的 NAS + 时延约束」流程可直接迁移到超分、去噪等底层视觉模型的端侧部署设计。
VLIC：以视觉语言模型作为感知裁判实现人类对齐的图像压缩
VLIC: Vision-Language Models As Perceptual Judges for Human-Aligned Image Compression
把 VLM 的零样本二选一判断直接当作奖励信号，用偏好后训练（如 DPO/奖励加权）微调扩散式图像压缩器，替代传统在心理物理数据上标定的可微感知损失网络；这套「VLM 当裁判」的奖励设计与训练细节可迁移到超分、去噪、增强等任何需要人眼对齐的复原任务。
基于浅层编码器的超低码率感知图像压缩
Ultra-Low Bitrate Perceptual Image Compression with Shallow Encoder
用浅层编码器加单步扩散解码器做非对称极低码率压缩，为边缘设备上的图像传输提供了可复用的「轻编码、重解码」范式，其中双侧特征蒸馏可迁移到其他编码器轻量化场景。
迈向统一的人类感知与机器理解：词元流引导的压缩框架
Towards Unified Human Perception and Machine Understanding: Token Flow Guided Compression Framework
TFGC 提出基于词元的灵活压缩框架，让 LVLM 直接处理压缩后的词元而无需图像重建，并支持超低码率下的可变码率控制；其词元流传播和语义引导对齐策略可被视觉研究者复用于设计面向机器理解的压缩-理解联合优化方案。
DiT-IC：面向高效图像压缩的对齐扩散 Transformer
DiT-IC: Aligned Diffusion Transformer for Efficient Image Compression
把多步文本到图像 DiT 通过自蒸馏对齐与方差引导重建流改造成单步、32 倍下采样潜空间中的重建器，为视觉研究者提供了一个可复用的思路：用预训练扩散先验做极低分辨率潜空间的高效解码，可迁移到超分、修复等图像复原任务。
CoD：面向图像压缩的扩散基础模型
CoD: A Diffusion Foundation Model for Image Compression
CoD 提供了一个从零训练、面向压缩的扩散基础模型，可替代 Stable Diffusion 作为下游扩散编解码器的骨干，尤其在超低码率下提升压缩效率；其像素空间扩散实现 VTM 级 PSNR 与高感知质量的发现，为图像压缩与生成联合优化提供了新思路。
CADC：内容自适应的基于扩散的生成式图像压缩
CADC: Content Adaptive Diffusion-Based Generative Image Compression
把扩散先验用于极低码率图像压缩时，可用空间不确定性图驱动量化步长、并用轻量辅助解码器约束主潜变量通道的信息保留，这套「内容自适应量化+信息集中」思路可迁移到任何需要潜变量压缩的生成式编码流程。