武汉大学-腾讯联合团队取得无损图像压缩最新研究成果
武汉大学-腾讯联合团队在CVPR2024上发表无损图像压缩最新研究成果Learned Lossless Image Compression based on Bit Plane Slicing （ArIB-BPS）。无损图像压缩是图像处理领域中的难题，主要衡量如何在无损(lossless)条件下逼近图像数据的压缩极限。
武汉大学陈震中教授课题组和腾讯多媒体实验室联合团队在隐变量模型(latent variable model)和子图像自回归(subimageautoregression)的混合框架上引入了位平面切分法（BPS），充分使用隐变量，并在降低后验坍塌(posterior collapse)风险的情况下增强自回归。此外，提出了一种维度定制自回归模型(Dimension-Tailored Autoregressive Model)，根据每个维度的不同特点，为每个维度定制自回归方法，从而高效地建模了各维度间的相关性。
Learned Lossless Image Compression based on Bit Plane Slicing.
实验表明，ArIB-BPS相对目前业界领先的IDF++、SHVC-ArIB等将图像的无损压缩率进一步提高。与国际标准JPEG-XL相比，ArIB-BPS将ImageNet32、ImageNet64的压缩率从JPEG-XL的平均6bpp降至4bpp以下。
该工作第一作者为遥感信息工程学院2022级硕士研究生张哲。武汉大学陈震中教授课题组和腾讯多媒体实验室在图像视频压缩领域、HEVC/ VVC /MPEG-VCM /JPEG-AI等国际标准上开展了长期合作，并联合培养了多名腾讯“技术大咖”应届生人才。
通讯员：何迁迁 学生编辑：赵铱影 编辑：肖珊
来源：武汉大学
