浅层编码器的超低比特感知图像压缩
计算机视觉与模式识别
2026-03-12 v2
摘要
超低比特图像压缩（低于 0.05 每像素）日益关键于带宽受限和计算受限的编码场景，例如边缘设备。现有框架通常依赖大型预训练编码器（如 VAE 或 tokenizer-based 模型），并在其生成潜在空间内进行变换编码。虽然这些方法在感知保真度方面取得了令人印象深刻的成绩，但其对重型编码器网络的依赖使其不适用于部署在弱发送设备上的场景。本文探索了应用浅层编码器进行超低比特压缩的可行性，提出一种 novel Asymmetric Extreme Image Compression（AEIC）框架，同时追求编码简单性和解码质量。具体而言，AEIC 采用适度甚至浅层的编码器网络，同时利用一种一步扩散解码器以维持在极端比特率下的高保真度和高真实感重构。为进一步提升浅层编码器的效率，我们设计了双侧特征蒸馏方案，将知识从拥有适度编码器的 AEIC 传递给其浅层变体。实验表明，AEIC 不仅在超低比特率下的率失真感知性能优于现有方法，还实现了在 1080P 图像上达到 35.8 FPS 的卓越编码效率，同时在解码速度上与现有方法保持竞争力。代码已公开：https://github.com/LuizScarlet/AEIC
引用
@article{arxiv.2512.12229,
title = {Ultra-Low Bitrate Perceptual Image Compression with Shallow Encoder},
author = {Tianyu Zhang and Dong Liu and Chang Wen Chen},
journal= {arXiv preprint arXiv:2512.12229},
year = {2026}
}
备注
Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition, 2026