DiRIC: Diffusion Prior Refinement for Efficient Low-Rate Image Compression

Yichong Xia

doi:10.1109/tpami.2026.3704972

DiRIC: Diffusion Prior Refinement for Efficient Low-Rate Image Compression

2026-06-17

0

PRE

AI

DOI：10.1109/tpami.2026.3704972

原文链接

原文求助

摘要

En 中文

在低比特率条件下重建高质量图像长期以来一直是一项具有挑战性的任务。以往研究通过利用扩散模型的先验知识使该任务成为可能。然而，在图像压缩任务中，扩散模型基线未能充分整合高级语义信息，且扩散先验与压缩器的学习目标之间缺乏对齐。为解决此问题，我们提出了基于Stable Diffusion的图像压缩方案——DiRIC（Diffusion Prior Refinement for Efficient Low-rate Image Compression）。DiRIC通过利用高级语义特征和扩散模型固有的先验知识，能够高效编码低级图像信息，并实现原始图像的高保真重建。具体而言，DiRIC采用多特征压缩器以极低比特率表示关键低级信息；同时，通过预嵌入机制获取更稳健的混合语义，为解码端提供丰富的上下文支持。此外，我们设计了一致性跳过模块以增强和细化扩散先验。为进一步提升解码效率，我们采用噪声水平估计器以减少采样步数，旨在实现高保真且高效的解码。大量实验结果表明，该方法不仅达到了当前最先进的感知保真度，而且在统计保真度方面显著优于以往的感知图像压缩方法。与SoTA扩散基线（Xia et al., 2025）相比，我们在FID和PSNR指标上分别实现了147.44%和84.63%的BD-Rate改进，同时解码速度提升了19倍。

Keyword:

Image compression

generative model

consistency model

DiRIC: Diffusion Prior Refinement for Efficient Low-Rate Image Compression

摘要

期刊

机构

引用论文