arXiv cs.AI· Tiancheng Si, Wenlong Xu, Dahua Gao·· 11 小时前AI 评分20
IE-PFA：融合内外先验的图像压缩模型，BD-Rate 较 VTM-22.0-Intra 节省 21.65%
Neural Image Compression with Internal-External Prior Fusion and Alignment
AI 导读
研究者提出 Internal-External Prior Fusion-Alignment（IE-PFA）上下文模型，用编解码器共享的可学习字典作为外部先验，并通过基于 RWKV 的 RSCPF 模块以线性复杂度融合内外先验。
正文 · AI 翻译
摘要：现有的学习图像压缩上下文模型主要依赖当前图像的内部先验，忽略了自然图像之间共享的常见模式和典型纹理。为解决这一局限，我们提出了一种基于四叉树空间-通道联合建模的内外部先验融合对齐（IE-PFA）上下文模型，其中由编码器和解码器共享的可学习字典作为外部先验。具体而言，基于 RWKV 的空间-通道先验融合（RSCPF）模块以线性复杂度高效地沿空间和通道维度融合内部与外部先验，而仅在训练时使用的自蒸馏先验对齐（SDPA）机制则在不增加推理开销的情况下对齐二者。此外，我们的模型支持在单一网络内实现 64 个质量级别的可变码率编码，并由自定义 CUDA 算子加速。在七个基准上的实验表明其达到了最先进的率失真性能，相较 VTM-22.0-Intra 平均节省 21.65% 的 BD-Rate，且仅有 29.9M 参数，并在先进神经编解码器中具有最快的编码速度（编码 61 ms，解码 52 ms）。代码可在 此 https URL 获取。
| 评论： | IEEE 国际视觉通信与图像处理会议 2026（VCIP 2026） |
| 主题： | 计算机视觉与模式识别（cs.CV）；人工智能（cs.AI） |
| 引用为： | arXiv:2611.07644 [cs.CV] |
| （或 arXiv:2611.07644v1 [cs.CV] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2611.07644 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Tiancheng Si [查看邮箱]
[v1]
2026 年 11 月 5 日星期四 08:27:45 UTC（657 KB）
来源：arXiv cs.AI · arxiv.org