VP-JND图像压缩感知模型

省码率近九成,画质无感损

将人眼视觉感知机制与深度网络结合,在图像压缩中准确预测最小可觉差,用最少的码率保证视觉无损。

张云 · Shisheng, Zhang · Li, Na · Fan, Chunling · Hamzaoui, Raouf

IEEE Transactions on Circuits and Systems for Video Technology 2025

参数信息

平均精度
94.82 %
平均绝对差
3.92
码率节省 (JPEG)
89.35 %
码率节省 (JPEG)
85.46 %
码率节省 (BPG)
41.13 %

技术优势

预测更准

平均精度94.82%,平均绝对差3.92,优于现有JND模型,能更准确预测感知无损的JPEG质量因子。

码率节省大

用于感知无损编码时,JPEG码率节省最高达89.35%,BPG节省41.13%,能大幅降低带宽和存储需求。

兼顾视觉重要性

通过混合注意力模块和感知损失,模型能关注图像内容和区域的重要性,更符合人眼感知特性。

应用场景