Tag · 5 篇
率失真优化
FreqSIC：频率感知的双向棋盘上下文立体图像压缩
FreqSIC: Frequency-aware Stereo Image Compression with Bi-directional Checkerboard Context Model
把立体图像压缩中的跨视角冗余建模拆到高/低频分量上分别处理，并用棋盘式非自回归上下文替代逐点自回归熵模型，可直接复用到需要低延迟熵编码的立体匹配、双目深度与光场压缩管线中。
发现自适应任务依赖以实现高效多任务表征压缩
Discovering Adaptive Task Dependencies for Efficient Multi-Task Representation Compression
对做多任务视觉表征学习的人，这篇给出了用可学习相关矩阵推断任务间可预测性、再按动态 DAG 条件编码来去除任务间冗余的思路，可迁移到多任务特征存储与传输、以及多任务模型的特征共享结构设计上。
面向生成式图像压缩率失真优化的可微矢量量化
Differentiable Vector Quantization for Rate-Distortion Optimization of Generative Image Compression
把码本分布做可微松弛，让熵损失直接塑造潜变量先验，从而在极低码率下用轻量架构实现端到端率失真优化；这套可微信道建模思路也可迁移到其他需要离散潜变量的视觉生成/压缩流程。
面向神经视频编码的内容自适应分层超先验
Content-Adaptive Hierarchical Hyperprior for Neural Video Coding
把「分层超先验」当作从当前帧提取的内容自适应信号，用来同时决定质量分配与参考帧选择；做视频压缩、码率控制或任何需要按内容动态分配比特/参考的视觉任务，都可借鉴这种用超先验引导结构决策而非固定 GOP 配置的思路。
基于图神经网络的自适应学习式图像压缩
Adaptive Learned Image Compression with Graph Neural Networks
用双尺度图结构替代 CNN 固定核与窗口注意力，按局部内容复杂度动态调整每个节点的邻居数，为视觉任务提供一种数据驱动的自适应感受野建模手段，可直接迁移到需要捕捉长程冗余的复原与压缩网络设计。