误压缩的分类体系：为神经压缩准备图像取证

神经压缩有潜力彻底改变有损图像压缩。基于生成模型的最新方案在高感知质量下实现了前所未有的压缩率，但妥协了语义保真度。解压图像的细节可能在视觉上看似完美，但在语义上却与原始图像不同，使得压缩误差难以或无法被检测。我们探索了这一问题空间，并提出了一种暂定的误压缩分类体系。它定义了三种“发生了什么”的类型，并设有一个二元的“高影响”标志，用于指示改变符号的误压缩。我们讨论了该分类体系如何促进风险沟通及缓解措施的研究。