解耦式端到端图像压缩模型

解码百倍提速

通过解耦熵解码与潜在样本重建，实现并行加速与跨设备一致的图像压缩，运行速度远超现有基准。

Zhang, Zhaobin · Esenlik, Semih · Wu, Yaojun · 汪萌 · Zhang, Kai · 张立

IEEE Transactions on Circuits and Systems for Video Technology 2023

参数信息

BD-rate 变化（对比 VVC）

-29.6 %

解码加速（对比 VVC）

2.44 ×

BD-rate 变化（对比 cheng2020attn）

-30.5 %

解码加速（对比 cheng2020attn）

101 ×

技术优势

解码可并行

熵解码与潜在样本重建解耦，两过程可同时执行，显著节省解码时间。

百倍提速

相比学习型基准 cheng2020attn，解码速度提升 101 倍，同时平均 BD-rate 改善 -30.5%。

跨设备通用

同一码流可在不同 CPU/GPU 设备上成功解码，无需针对硬件重新编码。

应用场景

• 图像/视频编解码：以更快的解码和更好的压缩效率取代现有编码标准中的熵解码模块。
• 端侧AI推理：在移动端或嵌入式设备上实现低延迟、低功耗的图像压缩解码。
• 物联网多媒体传输：降低物联网设备传输图像时的带宽和计算负担。
• 智能安防视频：加速监控视频的压缩与回放，支持高分辨率实时分析。