基于多级上下文模型（MCM）的 JPEG AI

LuckyBoy777.

已于 2025-07-09 13:26:40 修改

阅读量820

点赞数 9

CC 4.0 BY-SA版权

分类专栏： JPEG AI 文章标签：人工智能机器学习

于 2025-07-06 21:37:28 首次发布

本文链接：https://blog.csdn.net/weixin_57138233/article/details/149157446

随着深度学习技术的飞速发展，基于学习的图像压缩技术逐渐成为研究热点。特别是在JPEG AI的标准化进程中，如何提高图像压缩的效率和质量成为了亟待解决的问题。当前，JPEG AI采用了一种基于深度神经网络的编码-解码架构，并结合超先验概率模型进行熵编码。然而，在高级操作点（HighOP）中使用的多阶段上下文模型（MCM）在进行内预测时，存在子图像特征空间不对齐和残差特征分布不一致的问题，这影响了压缩效率和图像质量。

山东大学李帅：JPEG AI多级上下文模型下的对齐帧内预测和超尺度解码器-论论全球

用于学习图像压缩的多级空间上下文模型 | ICASSP 2023 - 实时互动网

学习型图像压缩（LIC）具有最先进的率失真（RD）性能，许多最近的方法优于最好的手工方法，如 BPG 和 VVC 。许多最近的最先进的 LIC 编解码器利用空间上下文模型，其基于已解码的周围潜在代码推断当前潜在代码的概率分布，大大优于基于超先验的方法。