TACTIC: Joint Rate-Distortion-Accuracy Optimisation for Low Bitrate Compression
University of Surrey（萨里大学）
TACTIC：Task-Aware Compression Through Intelligent Coding。我们的有损压缩模型基于特定任务的速率-失真-精度权衡进行学习。通过考虑哪些信息对于后续问题是重要的，系统在低比特率下权衡视觉保真度以获得良好的任务性能。与相同比特率的JPEG相比，我们的方法能够将ImageNet子集分类的准确性提高4.5%。我们还证明了我们的方法对其他问题的适用性，提供了一个3.4%的准确性和4.9%的平均IoU的性能提高任务无关的压缩语义分割。
2021-09-22 cs.CV cs.IT eess.IV
Towards image compression with perfect realism at ultra-low bitrates
FAIR at Meta（Meta FAIR研究院）；LTCI, Télécom Paris, IP Paris（巴黎理工学院电信学院LTCI实验室）
本文提出PerCo，一种利用迭代扩散模型进行解码的图像压缩方法，在超低比特率下实现高视觉质量，并在FID和KID指标上达到最先进水平。
2024-03-19 cs.CV eess.IV
Single-step Diffusion for Image Compression at Ultra-Low Bitrates
Sungkyunkwan University（成均馆大学）
本文提出单步扩散图像压缩模型，通过VQ-Residual训练和率感知噪声调制，在超低码率下实现高感知质量，并将解码速度较先前扩散方法提升约50倍。
2025-09-22 cs.CV eess.IV
Leveraging Compression to Construct Transferable Bitrate Ladders
Laboratory for Image and Video Engineering (LIVE), The University of Texas at Austin（图像与视频工程实验室（LIVE），德克萨斯大学奥斯汀分校）；Colorado’s Laboratory for Image and Video Engineering (LIVE), University of Colorado Boulder（科罗拉多州图像与视频工程实验室（LIVE），科罗拉多大学波德分校）；Meta Platforms Inc.（Meta平台公司）
本文提出了一种基于机器学习的比特率阶梯构建方法，通过分析压缩过程和源视频的感知相关测量，准确预测压缩视频的VMAF分数，并评估其在不同编码设置下的性能。
2025-12-15 cs.CV eess.IV
LMM-driven Semantic Image-Text Coding for Ultra Low-bitrate Learned Image Compression
本文提出利用大型多模态模型在单一模型中生成并压缩图像描述，并设计面向语义-感知的微调方法，使LPIPS BD-rate较现有方法提升41.58%，实现超低码率学习型图像压缩。
2024-11-20 cs.CV eess.IV
Generative Latent Coding for Ultra-Low Bitrate Image and Video Compression
MoE Key Laboratory of Brain-inspired Intelligent Perception and Cognition, University of Science and Technology of China（脑启发式智能感知与认知联合实验室，中国科学技术大学）；Microsoft Research Asia（微软亚洲研究院）
针对超低比特率下图像视频压缩中像素域与感知错位的问题，提出在VQ-VAE潜在空间进行变换编码的生成式潜在编码（GLC）模型，并引入分类超模块和码预测损失，实现高真实感高保真压缩，显著降低比特率。
2025-05-22 cs.CV eess.IV
MCUCoder: Adaptive Bitrate Learned Video Compression for IoT Devices
Kiel University（基尔大学）
针对物联网设备硬件受限导致视频压缩局限于M-JPEG的问题，提出超轻量级MCUCoder模型，仅10.5K参数、350KB内存占用，比特率比M-JPEG降低超55%，支持自适应比特率，适配资源受限场景。
2024-11-29 cs.CV eess.IV
DSIC: Deep Stereo Image Compression
Uber ATG（优步先进技术集团）
在本文中，我们解决的问题，立体图像压缩，并利用这一事实，即两个图像有重叠的视野，以进一步压缩的表示。我们的方法利用了最先进的单图像压缩自动编码器，并增强了压缩与新的参数跳过功能，饲料完全可微，在所有级别的第二个图像的编码器/解码器的原始变形功能。此外，我们使用条件熵模型的图像代码之间的概率依赖性建模。我们的实验表明，与深度单图像压缩相比，在低比特率下第二图像比特率降低了30 - 50%，在较高比特率下降低了10 - 20%。
2019-08-09 cs.CV eess.IV
Group-of-Latents: Perceptual Video Compression at Extreme Bitrates via Masked Latent Generative Modeling
State Key Laboratory of Multimedia Information Processing, School of Computer Science, Peking University, Beijing, China（多媒体信息处理国家重点实验室，计算机科学学院，北京大学，北京，中国）；State Key Discipline Laboratory of Wide Band-Gap Semiconductor Technology, School of Microelectronics, Xidian University, Xi'an, China（宽带隙半导体技术重点学科实验室，微电子学院，西安电子科技大学，西安，中国）
针对极低比特率视频压缩未充分探索的问题，提出统一生成框架，通过潜在组策略、深度压缩模块和统一潜在去噪模块，在极低比特率下实现高感知质量，有丰富空间细节和强大时间一致性，达到最新水平。
2026-07-23 cs.CV cs.MM eess.IV
SLIM: Semantic-based Low-bitrate Image compression for Machines
School of Integrated Technology, Yonsei University（延世大学整合技术学院）；Department of Artificial Intelligence, Chung-Ang University（Chung-Ang 大学人工智能系）
SLIM通过利用扩散技术，提出了一种基于语义的低比特率图像压缩方法，专注于机器视觉中的感兴趣区域，实现高效压缩与优化。
2026-10-20 cs.CV eess.IV
HybridFlow: Infusing Continuity into Masked Codebook for Extreme Low-Bitrate Image Compression
提出双流框架HybridFlow，结合连续特征流与码本流，并利用掩码transformer和桥接校正网络，在极低码率下同时实现高感知质量与高保真度的图像压缩。
2024-04-20 cs.CV eess.IV
Generative Compression for Face Video: A Hybrid Scheme
作为最新的视频编码标准，通用视频编码（VVC）在保持像素质量方面表现出了很强的能力。为挖掘超低码率下电视会议场景的压缩潜力，提出一种码率可调的人脸视频混合压缩方案。这种混合方案结合了传统编码的像素级精确恢复能力和基于删节信息的深度学习生成能力，其中Pixel wise Bi-Prediction，Low-Bitrate-FOM和Lossless Keypoint Encoder合作，在1.47 KB/s的低比特率下实现高达36.23 dB的PSNR。在不引入任何额外比特率的情况下，我们的方法在完全公平的对比实验中具有明显的优势，这证明了我们所提出的方案的有效性。此外，我们的计划可以适应任何现有的编码器/配置，以处理不同的编码要求，和比特率可以根据网络条件动态调整。
2023-03-20 eess.IV
Low Bitrate Image Compression with Discretized Gaussian Mixture Likelihoods
在本文中，我们提供了一个详细的描述，我们提交的方法Kattolab研讨会和挑战学习图像压缩（CLIC）2020。我们的方法主要采用离散高斯混合似然到以前的国家的最先进的学习压缩算法。此外，我们还描述了加速策略和低速率约束下的比特优化。实验结果表明，我们的方法Kattolab达到0.9761和0.9802的MS-SSIM在速率约束为0.15bpp在验证阶段和测试阶段，分别。此项目页面位于此https URL https://github.com/ZhengxueCheng/Learned-Image-Compression-with-GMM-and-Attention
2020-04-09 eess.IV
You Can Mask More For Extremely Low-Bitrate Image Compression
Beijing Jiaotong University（北京交通大学）；Hefei University of Technology（合肥工业大学）；Shandong University（山东大学）；Nanyang Technological University（南洋理工大学）
针对极低码率图像压缩，提出双自适应掩码方法DA-Mask与预训练MAE结合，构建首个端到端统一MIM与LIC的掩码压缩模型MCM，在极低码率下实现更优的率失真性能和视觉质量。
2023-06-27 cs.CV cs.MM eess.IV
Traditional Transformation Theory Guided Model for Learned Image Compression
Institute of Artificial Intelligence and Robotics, Xi’an Jiaotong University（西安交通大学人工智能与机器人研究所）
本文针对超低码率图像压缩，提出传统变换理论引导的可逆编码网络，利用块离散余弦变换建模稀疏性并结合 Haar 变换提升重建性能，实验表明其压缩与重建性能优于现有方法。
2024-02-24 cs.CV eess.IV
MISC: Ultra-low Bitrate Image Semantic Compression Driven by Large Multimodal Model
Institute of Image Communication and Network Engineering, Shanghai Jiao Tong University（上海交通大学图像通信与网络工程研究所）；John Hopcroft Center, Shanghai Jiao Tong University（上海交通大学约翰·霍普克罗夫特中心）；S-Lab, Nanyang Technological University（南洋理工大学S-Lab）
针对超低码率图像压缩中一致性与感知质量难以兼顾的问题，提出基于大多模态模型的MISC方法，可在节省50%码率的同时实现两类图像的最优压缩效果，应用潜力突出。
2024-04-17 cs.AI cs.CV eess.IV
SR+Codec: a Benchmark of Super-Resolution for Video Compression Bitrate Reduction
Lomonosov Moscow State University（罗蒙诺索夫莫斯科国立大学）；MSU Institute for Artificial Intelligence（莫斯科国立大学人工智能研究所）
该研究构建覆盖五种主流编解码器的 SR+Codec 基准，评估19个SR模型在强压缩视频上的细节恢复、伪影与主观质量，证明SR可在质量损失较小的情况下降低码率。
2024-12-04 cs.CV eess.IV
Flexible Neural Image Compression via Code Editing
Tsinghua University（清华大学）；SenseTime Research（商汤科技研究院）
神经图像压缩（NIC）在率失真（R-D）性能方面优于传统的图像编解码器。然而，它通常需要为R-D曲线上的每个点提供专用的编码器-解码器对，这极大地阻碍了它的实际部署。虽然最近的一些工作已经通过条件编码实现了比特率控制，但它们在训练期间强加了强先验，并且提供了有限的灵活性。在本文中，我们提出了代码编辑，一个高度灵活的编码方法NIC的基础上半摊销推理和自适应量化。我们的工作是一个新的范例可变比特率NIC。实验结果表明，该方法优于现有的可变码率方法，在单个解码器上实现了感兴趣区域编码和多失真折衷。
2022-09-19 cs.CV cs.LG eess.IV
High-Fidelity Generative Image Compression
ETH Zürich（苏黎世联邦理工学院）；Google Research（谷歌研究院）
我们广泛研究了如何将生成对抗网络和学习压缩相结合，以获得最先进的生成有损压缩系统。特别是，我们研究了归一化层，生成器和递归架构，训练策略以及感知损失。与以前的工作相比，i）我们获得了视觉上与输入相似的视觉上令人愉悦的重建，ii）我们在广泛的比特率范围内操作，iii）我们的方法可以应用于高分辨率图像。我们弥合率失真感知理论和实践之间的差距，通过评估我们的方法定量与各种感知指标，并与用户研究。研究表明，我们的方法优于以前的方法，即使它们使用超过2倍的比特率。
2020-10-23 cs.CV cs.LG eess.IV
StableCodec: Taming One-Step Diffusion for Extreme Image Compression
University of Science and Technology of China（中国科学技术大学）
提出StableCodec，利用单步扩散和双分支编码结构实现高保真、高真实感的极致图像压缩，在超低码率下显著优于现有方法且推理速度快。
2025-06-27 cs.CV eess.IV
HPC: Hierarchical Progressive Coding Framework for Volumetric Video
Shanghai Jiao Tong University（上海交通大学）
针对NeRF体积视频难以在单模型内灵活调整码率与质量的问题，提出分层渐进编码框架HPC，通过多分辨率残差辐射场和多率失真损失实现一次训练、多级压缩，并取得优于固定码率模型的RD性能。
2024-08-03 cs.CV cs.LG cs.MM
Your Demands Deserve More Bits: Referring Semantic Image Compression at Ultra-low Bitrate
针对语义图像压缩在超低比特率下因随机性导致重建对象不可靠的问题，提出指代语义图像压缩（RSIC）框架，通过全局描述编码、指代引导编码和引导生成解码三个模块实现定制化压缩，在保持极高压缩比的同时提升用户指定内容的保真度。
2025-05-31 eess.IV
Generative Latent Coding for Ultra-Low Bitrate Image Compression
University of Science and Technology of China（中国科学技术大学）；Microsoft Research Asia（微软亚洲研究院）
本研究提出生成性潜在编码方法，通过在潜在空间中进行变换编码，实现超低比特率下的高真实感和高保真度图像压缩，并在多个数据集上验证了其有效性。
2025-12-23 cs.CV eess.IV
Exploiting Inter-Image Similarity Prior for Low-Bitrate Remote Sensing Image Compression
School of Information and Communications Engineering, Xi’an Jiaotong University（西安交通大学信息与通信工程学院）
本文提出Code-RSIC方法，利用VQGAN生成离散码本和Transformer预测模型，在解码端提供图像间相似性先验，并通过层次化先验集成网络提升遥感图像压缩的感知质量。
2024-07-17 cs.CV eess.IV
DiV-INR: Extreme Low-Bitrate Diffusion Video Compression with INR Conditioning
ETH Zürich（苏黎世联邦理工学院）；Disney Entertainment and ESPN Product & Technology（迪士尼娱乐和ESPN产品与技术）；DisneyResearch|Studios（迪士尼研究工作室）
本文提出一种结合隐式神经表示与预训练视频扩散模型的视频压缩框架，旨在解决极低比特率下的压缩问题，通过INR条件引导扩散过程，提升感知质量。
2026-04-09 cs.MM eess.IV
Multi-Modality Deep Network for Extreme Learned Image Compression
针对极低码率图像压缩中的模糊与语义丢失问题，提出文本引导的多模态压缩框架，通过图文融合模块和语义一致性损失实现优于高码率SOTA的重建效果。
2023-04-26 cs.CV eess.IV
Channel-Level Variable Quantization Network for Deep Image Compression
The University of Tokyo（东京大学）；Hitachi Ltd（日立有限公司）
深度图像压缩系统主要包括四个部分：编码器、量化器、熵模型和解码器。为了优化这四个分量，提出了一个联合率失真框架，许多基于深度神经网络的方法在图像压缩中取得了巨大的成功。然而，几乎所有基于卷积神经网络的方法都平等地对待通道特征映射，降低了处理不同类型信息的灵活性。在本文中，我们提出了一个通道级可变量化网络，动态分配更多的比特率的重要通道和撤回比特率的可忽略的通道。具体来说，我们提出了一个可变量化控制器。它由两个关键组件组成：通道重要性模块，可以在训练过程中动态学习通道的重要性，以及分裂合并模块，可以为不同的通道分配不同的比特率。我们也将量化器公式化为高斯混合模型的方式。定量和定性实验验证了该模型的有效性，并表明我们的方法取得了优越的性能，可以产生更好的视觉重建。
2020-07-15 cs.CV eess.IV
Saliency-aware End-to-end Learned Variable-Bitrate 360-degree Image Compression
提出一种端到端可变比特率的显著性感知360度图像压缩架构，通过优先分配比特给重要区域，在保持高视觉质量的同时显著降低数据量，并节省比特率。
2024-02-14 eess.IV
Super Efficient Neural Network for Compression Artifacts Reduction and Super Resolution
Amazon Lab126（亚马逊Lab126）
针对流媒体低码率下压缩伪影及现有方法无法同步消伪影与超分的问题，提出带增强特征层和定制数据集的轻量CNN算法，可同步完成两项任务，VMAF得分较传统方法提升4-6分。
2024-01-26 cs.CV eess.IV
OctSqueeze: Octree-Structured Entropy Model for LiDAR Compression
Uber Advanced Technologies Group（优步先进技术集团）；University of Waterloo（滑铁卢大学）；University of Toronto（多伦多大学）
我们提出了一种新的深度压缩算法，以减少激光雷达点云的内存占用。我们的方法利用点之间的稀疏性和结构冗余来降低比特率。为了实现这一目标，我们首先将LiDAR点编码为八叉树，这是一种适用于稀疏点云的数据高效结构。然后，我们设计了一个树结构的条件熵模型，模型的八叉树符号的概率编码成一个紧凑的比特流的八叉树。我们验证了我们的方法在两个大规模数据集的有效性。结果表明，我们的方法减少了10-20%的比特率在相同的重建质量，与以前的国家的最先进的。重要的是，我们还表明，对于相同的比特率，我们的方法优于其他压缩算法时，使用压缩表示执行下游3D分割和检测任务。我们的算法可用于减少自动驾驶汽车等应用的LiDAR点的车载和车外存储，其中一辆汽车每天捕获840亿个点
2021-01-08 cs.CV eess.IV
Learned Image Coding for Machines: A Content-Adaptive Approach
Nokia Technologies（诺基亚科技）；Tampere University（坦佩雷大学）
如今，根据思科年度互联网报告（2018-2023），互联网流量增长最快的类别是机器对机器通信。特别是，图像和视频的机器对机器通信代表了一个新的挑战，并在数据压缩的背景下开辟了新的前景。一种可能的解决方案方法包括使当前以人类为目标的图像和视频编码标准适应机器消耗的用例。另一种方法包括为机器对机器通信开发全新的压缩范例和架构。在本文中，我们专注于图像压缩，并提出了一个推理时间的内容自适应微调方案，优化了一个端到端的学习图像编解码器的潜在表示，旨在提高压缩效率的机器消费。进行的实验表明，我们的在线微调带来了平均比特率节省（BD率）的-3.66%相对于我们的预训练的图像编解码器。特别地，在低比特率点，我们提出的方法导致显著的比特率节省-9.85%。总的来说，我们的预训练和微调系统实现了比最先进的图像/视频编解码器多功能视频编码（VVC）约30.54%的BD速率。
2021-10-13 cs.CV cs.LG eess.IV
Training-Free Continuous Bitrate Control for Scalable Image Coding for Humans and Machines
University of Tokyo（东京大学）
提出一种无训练的变码率可扩展图像编码框架，通过基于预测尺度值调整量化步长实现连续码率控制，同时保留机器层和增强层的高尺度信息。
2026-07-07 cs.CV eess.IV
Reinforced Rate Control for Neural Video Compression via Inter-Frame Rate-Distortion Awareness
School of Electronic Science and Engineering, Nanjing University（南京大学电子科学与工程学院）；Samsung Research China-Beijing（三星中国北京研究院）
本文提出基于强化学习的神经视频压缩率控方法，通过联合优化比特率分配和编码参数，实现更高效的压缩性能和更低的开销。
2026-02-01 eess.IV
Subjective performance evaluation of bitrate allocation strategies for MPEG and JPEG Pleno point cloud compression
本研究针对点云压缩的MPEG与JPEG Pleno标准，结合客观指标分析配置参数影响，设计多套码率分配策略并开展双协议主观评估，对比了两类标准的性能并总结最佳编码实践。
2024-10-31 eess.IV
Preprocessing Enhanced Image Compression for Machine Vision
Beijing Institute of Technology（北京理工大学）；ShanghaiTech University（上海科技大学）
最近，越来越多的图像被压缩并发送到后端设备用于机器分析任务（\textit{e.g.,}对象检测），而不是纯粹由人类观看。然而，大多数传统的或学习的图像编解码器被设计为最小化人类视觉系统的失真，而不考虑机器视觉系统的需求增加。在这项工作中，我们提出了一个预处理增强图像压缩方法的机器视觉任务，以解决这一挑战。我们的框架不是依赖于学习的图像编解码器进行端到端优化，而是基于传统的非差分编解码器，这意味着它是标准兼容的，可以很容易地部署在实际应用中。具体来说，我们提出了一个神经预处理模块之前的编码器，以保持有用的语义信息的下游任务和抑制无关的信息，以节省比特率。此外，我们的神经预处理模块是量化自适应的，可以用于不同的压缩比。更重要的是，为了联合优化预处理模块和下游机器视觉任务，我们在反向传播阶段为传统的非差分编解码器引入了代理网络。我们提供了广泛的实验，通过评估我们的压缩方法为两个具有代表性的下游任务与不同的主干网。实验结果表明，该方法在编码码率和下游机器视觉任务的性能之间取得了较好的折衷，节省了约20%的码率。
2022-06-12 cs.CV eess.IV
Scalable Neural Video Representation Compression
University of Bristol（布里斯托大学）；Tencent Media Lab（腾讯媒体实验室）
本文提出基于隐式神经表示的可扩展视频编解码器S-NVRC，通过单次编码实现细粒度码率与解码复杂度可扩展性，在UVG数据集上的BD-rate优于SHM 12.4和VTM-20.0，将提供实现代码。
2026-09-07 cs.CV cs.MM eess.IV
Txt2Vid: Ultra-Low Bitrate Compression of Talking-Head Videos via Text
视频代表了当今互联网流量的大部分，推动了更高质量内容的生成，更大文件大小的传输和网络基础设施的发展之间的持续竞争。此外，最近的COVID-19疫情推动视频会议工具的使用激增。由于视频占用相当大的带宽（约100 Kbps到几Mbps），因此改进的视频压缩可以对实时和预录制内容的网络性能产生重大影响，从而提供对全球多媒体内容的更广泛访问。我们提出了一种新的视频压缩管道，称为Txt 2 Vid，它大大降低了数据传输率通过压缩网络摄像头视频（“说话头视频”）的文本转录。使用基于深度学习的语音克隆和唇同步模型的最新进展，将文本传输并解码为原始视频的真实重建。我们的生成流水线实现了两到三个数量级的比特率降低相比，标准的音频-视频编解码器（编码器-解码器），同时保持相当的体验质量的基础上的主观评价的用户（n = 242）在一项在线研究。Txt 2 Vid框架开辟了创建新应用的潜力，例如在互联网连接不良期间或在带宽有限的偏远地区实现音频-视像通信。这个工作的代码可以在https://github.com/tpulkit/txt2vid.git上找到。
2022-04-03 cs.MM eess.IV
Neural Image Compression Using Masked Sparse Visual Representation
Futurewei Technologies Inc.（未来华技术公司）
针对基于SVR的图像压缩难以实现率失真权衡的问题，本文提出M-AdaCode，通过语义类别基码本自适应加权及掩码与恢复机制控制比特率和失真，并在JPEG-AI上验证有效性。
2023-09-20 cs.CV eess.IV
VRVVC: Variable-Rate NeRF-Based Volumetric Video Compression
Shanghai Jiao Tong University（上海交通大学）
提出VRVVC框架，通过三平面隐式残差表示和可变码率压缩方案，实现单模型多码率体积视频压缩，显著提升率失真性能。
2024-12-16 cs.CV eess.IV
Towards Extreme Image Compression with Latent Feature Guidance and Diffusion Prior
China Telecom Group Corporation-Xi’an Jiaotong University Jointly Established Intelligent Cloud Network Science and Education Integration Innovation Research Institute（中国电信集团有限公司-西安交通大学联合成立的智能云网科教融合创新研究院）
本文提出两阶段极限图像压缩框架DiffEIC，先以VAE将图像压缩为扩散空间中的内容变量，再利用固定稳定扩散模型结合控制模块和空间对齐损失进行重建，在低于0.1 bpp的极低比特率下显著提升视觉性能。
2024-09-04 cs.CV eess.IV
Rate-Distortion-Cognition Controllable Versatile Neural Image Compression
Ningbo Institute of Digital Twin, Eastern Institute of Technology（东方理工大学宁波数字孪生研究院）；Shanghai Jiao Tong University（上海交通大学）；University of Science and Technology of China（中国科学技术大学）
提出一种单模型可调码率、重建质量与机器任务精度的多功能图像压缩方法，通过认知损失与辅助残差分支及插值策略实现灵活控制。
2024-07-17 cs.CV eess.IV
MEGA-PCC: A Mamba-based Efficient Approach for Joint Geometry and Attribute Point Cloud Compression
National Chung Cheng University, Taiwan（国立 Chung Cheng 大学）；National Yang Ming Chiao Tung University, Taiwan（国立 Yang Ming Chiao Tung 大学）
MEGA-PCC是一种基于Mamba的端到端点云压缩方法，通过联合编码几何和属性信息，实现高效压缩与数据驱动的比特率分配。
2025-12-27 cs.CV eess.IV
Extreme Image Compression using Fine-tuned VQGANs
Communication University of China（中国传媒大学）；City University of Hong Kong（香港城市大学）；Peking University（北京大学）
针对极端低码率图像压缩的现有方法局限，提出基于微调VQGAN的编码框架，通过码本聚类实现可变码率，结合transformer抗索引丢失，在≤0.04bpp码率下感知质量优于SOTA编解码器。
2023-12-15 cs.CV eess.IV
SuperTran: Reference Based Video Transformer for Enhancing Low Bitrate Streams in Real Time
Amazon（亚马逊）
这项工作的重点是低比特率的视频流场景（例如50 - 200 Kbps），其中视频质量严重受损。我们提出了一系列新颖的深度生成模型，用于通过执行超分辨率来增强此类流的感知视频质量，同时还去除压缩伪影。我们的模型，我们称之为SuperTran，除了低质量，低分辨率的视频流之外，还需要输入一个高质量，高分辨率的参考图像。因此，模型学习如何从参考图像借用或复制视觉元素（如纹理），并填充低分辨率流中的剩余细节，以产生感知增强的输出视频。参考帧可以在视频会话开始时发送一次，也可以从图库中检索。重要的是，所得到的输出具有比仅使用低分辨率输入的方法（例如SuperVEGAN方法）可能具有的细节好得多的细节。SuperTran在标准管道旁边的云上实时工作（高达30帧/秒）。
2022-11-22 cs.CV cs.LG eess.IV
LPCM: Learning-based Predictive Coding for LiDAR Point Cloud Compression
针对激光雷达点云压缩，提出基于学习的预测编码方法LPCM，利用球坐标和LSTM预测及变分半径压缩，并优化量化参数，在基准上优于现有方法。
2025-05-26 eess.IV
Learning Convolutional Transforms for Lossy Point Cloud Geometry Compression
CNRS（法国国家科学研究中心）
高效的点云压缩是实现虚拟和混合现实应用部署的基础，因为要编码的点的数量可以达到数百万。在本文中，我们提出了一种新的数据驱动的几何压缩方法的基础上学习卷积变换和均匀量化的静态点云。我们使用一个权衡参数进行率和失真的联合优化。此外，我们将解码过程转换为点云占用图的二进制分类。我们的方法在Microsoft Voxelized Upper Bodies数据集上的率失真方面优于MPEG参考解决方案，平均节省51.5%的BDBR。此外，虽然基于八叉树的方法在低比特率下面临点数的指数减少，但即使在低比特率下，我们的方法仍然产生高分辨率输出。代码和补充材料可在https://github.com/mauriceqch/pcc_geo_cnn上获得。
2019-05-22 cs.CV cs.LG eess.IV
Adaptive Fused Prior Transfer for Controllable Generative Image Compression
Department of Computer Science and Engineering, Santa Clara University（计算机科学与工程系，圣克拉拉大学）
本文提出了一种可控生成图像压缩方法AFP-GIC，通过自适应融合先验传输实现解码端的高质量重建，减少了延迟并降低了参数数量，同时在低比特率下提升了视觉质量。
2026-10-06 cs.CV eess.IV
Fidelity-Controllable Extreme Image Compression with Generative Adversarial Networks
Tohoku University（东北大学）
本文提出一种基于GAN的极低码率图像压缩方法，通过两阶段训练和网络插值稳定训练并抑制噪声伪影，实现感知质量与保真度的可控权衡，实验和用户研究均验证其优于现有方法。
2020-08-24 cs.CV eess.IV
Multi-scale and Context-adaptive Entropy Model for Image Compression
我们提出了一个端到端的可训练的图像压缩框架与多尺度和上下文自适应熵模型，特别是低比特率压缩。由于自回归先验在概率生成模型中的成功，自回归先验和分层先验的互补组合可以准确地估计每个潜在表示的分布。基于这种组合，我们首先提出了一个多尺度掩蔽卷积网络作为我们的自回归模型。其次，针对生成式模型的计算代价较大的问题，我们将注意力集中在感受野覆盖的解码表示上，而在算术编码中跳过完全零延迟。最后，根据CLIC-2019中低码率压缩的约束条件，通过为每幅图像分配比特率来最大化MS-SSIM。
2019-10-17 eess.IV
Embodied Image Compression
Shanghai Jiao Tong University（上海交通大学）；Shanghai AI Lab（上海人工智能实验室）；Nanyang Technological University（南洋理工大学）
本文提出具身图像压缩问题，建立EmbodiedComp基准测试，证明现有模型在超低比特率下无法完成简单任务，推动具身AI在现实中的应用。
2025-12-12 cs.CV eess.IV
Subjective and Objective Quality Assessment of High-Motion Sports Videos at Low-Bitrates
在自适应比特率流传输期间，由于网络连接性差，视频通常必须以低比特率传输和存储。因此，设计最佳比特率阶梯，为低比特率视频选择感知优化的分辨率、帧速率和压缩级别，以用于互联网上的自适应流传输是一项非常有趣的任务。为此，我们对两种编解码器（Elemental AVC和HEVC）的直播体育中的中低比特率视频进行了首次大规模研究，并创建了Amazon Prime Video Low-Bitrate Sports（APV LBS）数据集。该研究涉及94名参与者和742个视频，总共收集了超过23，000个人类意见评分。我们分析了获得的数据，我们还进行了广泛的客观视频质量评估（VQA）算法的评估和基准测试其性能，并提出建议的比特率阶梯设计。我们正在https://github.com/JoshuaEbenezer/lbmfr-public上提供元数据和VQA功能。
2022-07-12 eess.IV
Enhanced Neural Video Representation Compression Across Extreme Complexity and Quality Scales
Visual Information Lab, University of Bristol, UK（布里斯托大学视觉信息实验室，英国）；Network Connectivity Services Research, BT, UK（BT公司网络连接服务研究，英国）
提出NVRC++，一种基于隐式神经表示的轻量级视频编解码器，通过多分辨率特征网格和高效优化框架，在多种复杂度级别下实现宽比特率范围的高质量压缩，支持实时解码。
2026-09-09 cs.CV eess.IV
Pleno-Generation: A Scalable Generative Face Video Compression Framework with Bandwidth Intelligence
City University of Hong Kong（香港城市大学）；Nanyang Technological University（南洋理工大学）；Alibaba-NTU Global e-Sustainability CorpLab（阿里巴巴-南洋理工大学全球电子可持续性合作实验室）；DAMO Academy, Alibaba Group（阿里巴巴集团达摩院）
提出Pleno-Generation框架，通过带宽智能和可扩展表示实现全比特率覆盖的生成式人脸视频压缩，兼顾高保真重建与率失真性能。
2025-02-24 cs.CV eess.IV
M3-CVC: Controllable Video Compression with Multimodal Generative Models
State Key Laboratory of Integrated Chips and Systems（集成芯片与系统国家重点实验室）；Fudan University（复旦大学）
本文提出M3-CVC框架，通过多模态生成模型、语义-运动关键帧选择、LMM时空细节提取和文本引导条件扩散压缩，在超低码率下显著超越VVC标准，提升视频语义与感知保真度。
2024-12-25 cs.CV eess.IV
