.png){kind=icon}
返回
Bridging the Gap Between Implicit and Explicit Representation for Efficient Image Compression
.png){kind=icon}
PRE
AI
DOI：10.1109/tcsvt.2026.3687408.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
神经网络图像压缩（NIC）通过将图像建模为隐式特征表示，实现了卓越的压缩性能，但其实际部署因计算开销而严重受阻。最近，GaussianImage被提出作为一种计算高效的显式图像表示范式，它通过2D高斯分布渲染图像。然而，其压缩性能劣于主流NIC框架，主要由于显式高斯参数的可压缩性和表示能力较低。针对这一问题，我们提出像素对齐广义2D Splatting（PA-G2DS）作为计算高效且压缩友好的图像表示格式。具体而言，我们采用带有隐式系数的可学习渲染函数，以提升重建图像质量并改善压缩率，优于显式高斯系数。将所提出的PA-G2DS作为计算高效的解码器，我们进一步开发了一系列针对压缩率或灵活部署场景优化的图像编解码器。实验证明，所提出的编解码器可实现30毫秒的压缩延迟和毫秒级的解压延迟，缩小了隐式与显式图像表示在性能与效率上的差距。此外，所提出的编解码器为NIC在JPEG类顺序解压和解压过程中的随机访问等潜在应用开辟了可能性。
Keyword:
Image compression
Gaussian splatting
efficient coding
期刊
IF:
11.1
论文数:
873
被引数:
3.1W
机构
引用论文
.png){kind=icon}
分享收藏分享收藏
查看更多内容