SMIC：基于 CLIP 字典的语义多项压缩

语义压缩是一种将失真度量（通常为均方误差 MSE）替换为语义保真度度量的压缩方案，正变得越来越流行。大多数最近的语义压缩方案依赖于基础模型 CLIP。在本工作中，我们将此类方案扩展至图像集合压缩，在编码阶段考虑了项间冗余。为此，我们首先表明 CLIP 的潜在空间允许轻松的语义加减运算。基于此性质，我们定义了一个基于字典的多项编解码器，在压缩率上优于最先进的生成式编解码器，约为每张图像 $10^{-5}$ BPP，同时不牺牲语义保真度。我们还表明，所学字典具有语义性质，并作为图像语义内容的语义投影器发挥作用。