TreeNet：面向低比特率图像压缩的轻量级模型
计算机视觉与模式识别
2025-12-19 v1 人工智能
摘要
降低计算复杂度仍是学习基于图像压缩技术广泛采用的关键挑战。本文提出TreeNet，一种新型低复杂度图像压缩模型，利用二叉树结构的编码器-解码器架构实现高效的特征表示与重构。我们采用注意力特征融合机制有效整合来自多个分支的特征。在三个广泛使用的基准数据集上评估TreeNet，并将其性能与包括JPEG AI在内的竞争方法进行比较。结果表明，在低比特率下，TreeNet相较于JPEG AI平均提升4.83%的BD-rate，同时将模型复杂度降低87.82%。此外，我们进行了大量消融研究，以探讨TreeNet中各种潜在表示对重构影响的因素，为深入理解重构关键因素提供了洞见。
引用
@article{arxiv.2512.16743,
title = {TreeNet: A Light Weight Model for Low Bitrate Image Compression},
author = {Mahadev Prasad Panda and Purnachandra Rao Makkena and Srivatsa Prativadibhayankaram and Siegfried Fößel and André Kaup},
journal= {arXiv preprint arXiv:2512.16743},
year = {2025}
}