iWave3D: End-to-end Brain Image Compression with Trainable 3-D Wavelet Transform
University of Science and Technology of China（中国科学技术大学）
随着全脑成像技术的飞速发展，产生了大量的脑图像，这就对高效的脑图像压缩方法提出了很大的需求。目前最常用的压缩方法都是基于三维小波变换的，如JP 3D。然而，传统的三维小波变换是在对信号进行一定假设的情况下手工设计的，但脑图像并不像假设的那样理想。更重要的是，它们没有直接针对压缩任务进行优化。为了解决这些问题，我们提出了一种基于提升方案的可训练三维小波变换，其中预测和更新步骤由三维卷积神经网络代替。然后将所提出的变换嵌入到称为iWave 3D的端到端压缩方案中，该方案使用大量的大脑图像进行训练，以直接最小化率失真损失。实验结果表明，我们的方法优于JP 3D显着的平均BD-PSNR的2.012 dB。
2021-10-10 cs.CV cs.MM eess.IV
High-Fidelity Variable-Rate Image Compression via Invertible Activation Transformation
Huazhong University of Science and Technology（华中科技大学）
基于学习的方法有效地促进了图像压缩的社会化。同时，基于变分自编码器（VAE）的可变速率方法最近获得了很多关注，以避免使用一组不同的网络用于各种压缩率。尽管已经实现了显著的性能，但是一旦执行多个压缩/解压缩操作，这些方法将容易被破坏，导致图像质量将大大下降并且将出现强烈的伪影。因此，我们试图解决高保真精细变速率图像压缩的问题，并提出了可逆激活变换（IAT）模块。我们在基于单速率可逆神经网络（INN）的模型上以数学可逆的方式实现IAT，并且质量水平（QLevel）将被馈送到IAT中以生成缩放和偏置张量。IAT和QLevel共同赋予图像压缩模型精细可变速率控制的能力，同时更好地保持图像保真度。大量的实验表明，单速率图像压缩模型配备了我们的IAT模块有能力实现可变速率控制没有任何妥协。我们的IAT嵌入模型获得了与最近的基于学习的图像压缩方法相当的率失真性能。此外，我们的方法优于国家的最先进的可变速率图像压缩方法的大幅度，特别是在多次重新编码。
2022-09-12 cs.CV eess.IV
DANICE: Domain adaptation without forgetting in neural image compression
Univ. of Michigan Ann Arbor（密歇根大学安娜堡分校）；Computer Vision Center UAB Barcelona（巴塞罗那自治大学计算机视觉中心）；BBC R&D London（英国广播公司研发部）
神经图像压缩（NIC）是一种新的编码范式，其中编码能力由从数据中学习的深度模型捕获。这种数据驱动的性质使新的潜在功能成为可能。在本文中，我们研究的自定义域的兴趣的编解码器的适应性。我们表明，NIC编解码器是可转让的，他们可以适应相对较少的目标域图像。然而，朴素自适应干扰针对原始源域优化的解决方案，导致忘记该域中的原始编码能力，并且甚至可能破坏与先前编码的比特流的兼容性。为了解决这些问题，我们提出了编解码器自适应无遗忘（CAwF），一个框架，可以避免这些问题，通过添加少量的自定义参数，其中源编解码器保持嵌入式和在适应过程中不变。实验证明了该方法的有效性，并对NIC中灾难性干扰的特性提供了有用的见解。
2021-04-19 cs.CV eess.IV
Tree-VQ: Progressive Image Compression from Pretrained Vector Quantizers
School of Artificial Intelligence（人工智能学院）；Xidian University（西安电子科技大学）
该研究提出Tree-VQ框架，通过树结构矢量量化实现渐进式图像压缩，其性能效率优于对比方法，参数更少、延迟更低且感知压缩效果最佳。
2026-10-07 cs.CV
DeepSIC: Deep Semantic Image Compression
Zhejiang University（浙江大学）；Arizona State University（亚利桑那州立大学）
在图像压缩期间将语义信息嵌入到编解码器中可以显著减少客户端应用程序中基本语义分析（例如对象识别）的重复计算。同样的做法也使压缩代码在存储和传输过程中携带图像语义信息。在本文中，我们提出了一个称为深度语义图像压缩（DeepSIC）的概念，并提出了两个新的架构，旨在重建压缩图像，并生成相应的语义表示在同一时间。第一架构通过保留来自压缩代码的比特的一部分以存储语义表示来在编码过程中执行语义分析。第二个在解码步骤中使用嵌入在压缩代码中的特征图执行语义分析。在这两种架构中，特征图由压缩和语义分析模块共享。为了验证我们的方法，我们在公开的基准测试数据集上进行了实验，并取得了可喜的成果。我们还提供了所提出的技术的优点和缺点进行了彻底的分析。
2018-01-29 cs.CV
Large Language Model for Lossless Image Compression with Visual Prompts
Shanghai Jiao Tong University（上海交通大学）；China Telecommunications Corporation（中国电信集团有限公司）
本文提出一种结合视觉提示的大型语言模型新范式，用于无损图像压缩，通过有损重建作为提示并利用LLM作为熵模型预测残差分布，在多个基准上达到最先进性能，并易扩展到医学和屏幕内容图像。
2025-02-22 cs.CV eess.IV
LVQAC: Lattice Vector Quantization Coupled with Spatially Adaptive Companding for Efficient Learned Image Compression
Shanghai Jiao Tong University（上海交通大学）；McMaster University（麦 master 大学）
提出一种格矢量量化与空间自适应压扩（LVQAC）方案，替代均匀量化器，在几乎不增加复杂度的情况下提升端到端图像压缩的率失真性能。
2026-06-23 cs.CV eess.IV
Exploring Distortion Prior with Latent Diffusion Models for 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）
针对现有图像压缩算法未充分利用压缩失真先验的问题，提出基于潜扩散模型的遥感图像压缩方法，通过两阶段生成失真先验结合注意力增强网络提升解码质量，性能优于现有方法且可降低传统算法比特消耗。
2024-10-07 cs.CV eess.IV
FD-LSCIC: Frequency Decomposition-based Learned Screen Content Image Compression
Shandong University（山东大学）；Shandong Inspur Artificial Intelligence Research Institute Co., Ltd.（山东浪潮人工智能研究院有限公司）；Huaqiao University（华侨大学）；Lingnan University（岭南大学）
针对学习型图像压缩方法直接应用于屏幕内容图像效果不佳的问题，提出基于频率分解的新型压缩方法并构建万级规模数据集，在相关指标上优于传统标准与现有学习型方法。
2025-02-21 cs.CV eess.IV
Backdoor Attacks under Lossy Compression: From Failure to Reactivation and Adaptation
Shanghai Jiao Tong University（上海交通大学）；Eastern Institute of Technology（技术东院）
本文研究了在大数据时代，损失压缩对隐形后门攻击的影响，提出两种针对损失压缩的攻击策略，以确保恶意触发信息在压缩后仍能被恢复。
2026-11-05 cs.CR cs.CV
HiDE: Hierarchical Dictionary-Based Entropy Modeling for Learned Image Compression
Hohai University（河海大学）；Nanjing University of Aeronautics and Astronautics（南京航空航天大学）；Nanjing Audit University（南京审计大学）；Nanjing University（南京大学）
HiDE通过层次字典结构和上下文感知参数估计器，提升学习图像压缩的压缩效率与性能。
2026-03-06 cs.CV cs.MM eess.IV
Efficient automated U-Net based tree crown delineation using UAV multi-spectral imagery on embedded devices
Industrial Systems Institute, ATHENA Research Center（雅典娜研究中心工业系统研究所）
划定方法为各个领域，包括农业、环境和自然灾害监测提供了重大益处。文献中的大多数工作利用传统的分割方法，需要大量的计算和存储资源。深度学习已经改变了计算机视觉，并极大地改进了机器翻译，尽管它需要大量的数据集进行训练，并需要大量的资源进行推理。更重要的是，节能的嵌入式视觉硬件提供实时和强大的性能在上述应用中至关重要。在这项工作中，我们提出了一种基于U-网的树描绘方法，该方法使用多光谱图像进行有效训练，但可以描绘单光谱图像。也执行本地化的深层架构，即，类标签对应于每个像素，已经成功地用于允许利用一小组分割图像进行训练。使用传统的图像去噪和分割方法生成地面实况数据。为了能够在为深度学习方法设计的嵌入式平台中有效地执行所提出的DNN，我们采用传统的模型压缩和加速方法。广泛的评估研究，使用从无人机配备多光谱相机收集的数据证明了所提出的方法在划定精度和执行效率方面的有效性。
2021-07-16 cs.CV eess.IV
k-Modulus Method for Image Transformation
Irbid National University（伊尔比德国立大学）
在本文中，我们提出了一种新的算法，使一个新的空间图像变换。所提出的方法旨在减少用于图像存储的位深度。所提出的变换的基本技术是基于模运算符。目标是将整个图像转换为预定义整数的倍数。整个图像除以该整数将保证新图像的大小肯定小于原始图像。由于k-模方法压缩比高，不能作为独立的图像压缩变换。该方案可作为嵌入式方案应用于其他图像处理领域，特别是压缩领域。根据其较高的PSNR值，它可以与其他方法相结合，以促进冗余标准。
2013-04-24 cs.CV
Image Compression and Watermarking scheme using Scalar Quantization
QISCET（奎塞特学院）；BEC（贝帕特拉工程学院）；JNTU, Kakinada（卡基纳达贾瓦哈拉尔·尼赫鲁技术大学）
提出了一种新的基于Contourlet变换（CT）的压缩技术和图像水印算法.对于图像压缩，使用基于能量的量化。研究了标量量化的图像水印算法。CT采用双滤波器组结构。拉普拉斯金字塔（LP）用于捕获点不连续性，然后由方向滤波器组（DFB）连接点不连续性。LP分解图像的下采样低通版本的系数以预定方式重新排序，并且预测算法用于减少熵（比特/像素）。另外，基于特定频带中的能量来量化CT的系数。该算法的优越性JPEG观察减少块效应。并与小波变换（WT）的结果进行了比较。当图像包含更多轮廓时，观察到CT对WT的优先性。水印图像嵌入到轮廓波分解的低通图像中。水印的提取误差最小。在峰值信噪比方面，水印图像的视觉质量是例外的。该算法对多种图像攻击具有较好的鲁棒性，适合于版权保护应用。
2010-03-29 cs.CV cs.MM
Robust and Transferable Backdoor Attacks Against Deep Image Compression With Selective Frequency Prior
Nanyang Technological University（南洋理工大学）；Pengcheng Laboratory（鹏城实验室）；School of Electrical and Electronic Engineering, Nanyang Technological University（南洋理工大学电气与电子工程学院）；School of Computer Science and Engineering, Nanyang Technological University（南洋理工大学计算机科学与工程学院）；School of Computer Science, Peking University（北京大学计算机学院）
针对学习型图像压缩模型，提出基于 DCT 域的多触发器后门注入方法，通过动态损失、鲁棒频率选择和分类边界调整实现强攻击效果与跨模型、跨域迁移。
2024-12-02 cs.CR cs.CV
Gated Context Model with Embedded Priors for Deep Image Compression
针对传统的JPEG、JPEG 2000、BPG等基于学习的图像压缩方法，提出了一种深度图像压缩方案，该方案具有最先进的压缩效率。这是通过一种新的嵌入先验的条件概率模型，它可以准确地近似率失真优化的熵率。它利用三个可分离的堆栈来消除接收野中的盲点，以获得更好的概率预测和计算减少。这些嵌入的先验可以进一步用于帮助图像重建时，融合潜在的功能，通过建议的信息补偿网络（ICN）后。在编码器和解码器中使用基于广义分裂归一化（GDN）的残差学习，具有快速收敛速度和高效性能。我们已经评估了我们的模型和其他方法使用率失真标准，其中失真是由多尺度结构相似性（MS-SSIM）。我们还讨论了各种失真度量对重建图像质量的影响。此外，还通过一个专门的主观评价给出了一个现场的研究，比较我们提出的方法和其他传统的图像压缩方法的效率。
2019-02-27 eess.IV
Universal Efficient Variable-rate Neural Image Compression
Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳））；Peng Cheng Laboratory（鹏城实验室）
近年来，基于学习的图像压缩已经达到了与传统图像编解码器（如JPEG、BPG、WebP）相当的性能。然而，计算复杂度和速率灵活性仍然是其实际部署的两个主要挑战。为了解决这些问题，本文提出了两个通用的模块：基于能量的通道门控（Energy-based Channel Gating，ECG）和比特率调制器（Bit-rate Modulator，BM），它们可以直接嵌入到现有的端到端图像压缩模型中。ECG使用动态修剪来减少卷积层中超过50%的FLOP，并且BM对可以调制潜在表示以按通道方式控制比特率。通过实现这两个模块，现有的基于学习的图像编解码器可以获得以单一模型输出任意比特率的能力，并减少计算量。
2022-02-24 cs.LG eess.IV
AFSC: Adaptive Fourier Space Compression for Anomaly Detection
Xiamen University（厦门大学）；Westlake University（西湖大学）
医学图像上的异常检测（AD）使模型能够识别任何类型的异常模式，而无需特定于病变的监督学习。基于数据增强的方法通过将假病变“粘贴”在真实健康的病变上来构建伪健康图像，并且训练网络以监督的方式预测健康图像。通过非健康输入和伪健康输出的差异可以发现病变。然而，仅使用手动设计的假病变无法近似不规则的真实病变，因此限制了模型的推广。我们假设通过探索图像内的固有数据属性，我们可以区分以前看不见的病变和不健康图像中的健康区域。在这项研究中，我们提出了一个自适应傅立叶空间压缩（AFSC）模块提取健康的AD特征。在频域中的幅度和相位的压缩解决了病变的高强度和不同位置。在BraTS和MS-SEG数据集上的实验结果表明，AFSC基线能够产生有希望的检测结果，并且AFSC模块可以有效地嵌入到现有的AD方法中。
2022-04-17 cs.CV eess.IV
Embedding Compression Distortion in Video Coding for Machines
Beijing Jiaotong University, China（北京交通大学）；University of Science and Technology Beijing, China（北京科技大学）；Nanyang Technological University, Singapore（南洋理工大学）
提出压缩失真表示嵌入（CDRE）框架，通过提取机器感知相关的失真表示并嵌入下游模型，提升压缩视频的任务性能。
2025-03-27 cs.CV eess.IV
Leveraging Bitstream Metadata for Fast, Accurate, Generalized Compressed Video Quality Enhancement
NVIDIA（英伟达）；University of Maryland, College Park（马里兰大学学院公园分校）
本文提出一种利用视频码流中结构、运动及量化信息的深度学习架构，以单一模型实现多种压缩设置下的快速、准确且通用的压缩视频质量增强。
2023-10-30 cs.CV cs.LG eess.IV
End-to-end Learned Image Compression with Fixed Point Weight Quantization
学习图像压缩（LIC）在编码增益方面已经达到了传统的手工方法，如JPEG 2000和BPG。然而，网络的大模型尺寸禁止在资源有限的嵌入式系统上使用LIC。本文提出了一种具有8位定点权值的LIC。首先，我们将权值分组，并提出一个非线性无记忆码书。其次，我们探索最佳的分组和量化方案。最后，我们提出了一种新的权值裁剪微调方案。实验结果表明，量化引起的编码损失很小，而约75%的模型大小可以减少相比，32位浮点锚。据我们所知，这是第一个工作，探索和评估的LIC完全与固定点的权重，我们提出的量化LIC是能够优于BPG的MS-SSIM。
2020-07-09 eess.IV
Deep Compressed Pneumonia Detection for Low-Power Embedded Devices
Northeastern University（东北大学）；University of Connecticut（康涅狄格大学）
深度神经网络（Deep Neural Networks，DNN）已经扩展到医学领域，通过提取复杂特征、实现高精度和高性能等，引发了一些医学应用的革命。与此相反，大规模网络对存储和计算资源都有很高的要求，尤其是对于便携式医疗设备和其他嵌入式系统。在这项工作中，我们首先使用RSNA Pneumonia Detection Challenge提供的数据集训练DNN进行肺炎检测。为了克服大规模网络实现的硬件限制，我们开发了一个系统的结构化权重修剪方法过滤稀疏，列稀疏和组合稀疏。实验表明，与106层的原始模型相比，我们可以实现高达36倍的压缩比，同时保持精度不下降。我们评估所提出的方法上的嵌入式低功耗设备，Jetson TX2，并实现低功耗和高能效。
2019-11-04 cs.LG eess.IV stat.ML
A New Approach to Image Compression in Industrial Internet of Things
将图像传感器应用于工业物联网（IIoT）技术的自动化正在日益兴起。在此类公司中，随时都会传输大量高容量图像;因此，一个重大挑战是在不降低图像质量的情况下减少传输的信息量和带宽。在传感器中进行图像压缩，可以节省带宽，提高数据传输速度。在传感器网络的图像压缩方面有几项研究，但是，根据IIoT中图像传输的性质，在这个特定领域还没有研究。本文首次提出并应用了一种可重复使用的提高图像压缩生产率的新技术。为此，提出了一种新的自适应有损压缩技术，通过使用K- Means++和智能嵌入式编码（IEC）作为我们的新方法来压缩IIoT中的传感器生成的图像。新方法是基于像素的颜色，使具有相同或几乎相同的颜色的像素聚集在一个质心周围，最后，像素的颜色将被编码。这些实验是基于来自一个真正的智能温室的信誉良好的图像数据集;即KOMATSUNA。评价结果表明，在相同的压缩率，我们的方法压缩图像具有更高的质量相比，其他方法，如K-均值，模糊C-均值和模糊C-均值++聚类。
2021-12-10 eess.IV
Compression of end-to-end non-autoregressive image-to-speech system for low-resourced devices
Saarland University（萨尔大学）；Intel Corporation（英特尔公司）；Intel Labs（英特尔实验室）；Technische Hochschule Ingolstadt（英戈尔施塔特应用科学大学）
本文提出一种基于视觉变换器和知识蒸馏的端到端非自回归图像转语音压缩方法，将模型参数从610万降至246万，在保持性能的同时使推理速度提升22%，适用于低资源嵌入式设备。
2023-11-30 cs.AI cs.CL cs.CV
Q-LIC: Quantizing Learned Image Compression with Channel Splitting
学习图像压缩（LIC）已经达到了与传统手工制作的方法（如VVC帧内）相当的编码增益。然而，大的网络复杂性禁止使用LIC资源有限的嵌入式系统。网络量化是降低网络负担的有效方法。本文提出了一种基于信道分裂的量化LIC（QLIC）。首先，我们探索了量化误差对重建误差的影响对于不同的通道是不同的。其次，对量化对重构误差影响较大的通道进行了分割。在分裂之后，通道的动态范围减小，从而可以减小量化误差。最后，我们修剪几个通道，以保持整体通道的数量作为原点。通过使用该方案，在8比特量化的情况下，我们可以降低BD率的0.61%-4.74%相比，以前的QLIC的权重和激活的主路径和超路径。此外，在量化MS-SSIM模型时，与现有的网络量化方法相比，我们可以获得更好的编码增益。此外，我们的建议可以与其他网络量化方法相结合，以进一步提高编码增益。量化引起的适度编码损失验证了QLIC未来硬件实现的可行性。
2022-05-28 eess.IV
Hardware-Aware Deployment of Joint SAR Compression and Despeckling on FPGA
Technical University of Munich（慕尼黑工业大学）；Remote Sensing Technology Institute, German Aerospace Center (DLR)（德国航空航天中心遥感技术研究所）；University of the Bundeswehr Munich（慕尼黑联邦国防军大学）
本研究在ZCU102 FPGA平台部署联合SAR去噪与数据压缩框架，发现ReLU比GDN更适配SAR图像、残差块增益低且FPGA能效最高，为星载SAR压缩提供部署方案。
2026-08-13 cs.LG eess.IV
