研究人员开发了SAMIC，一种用于高效感知图像压缩的新型方法，该方法利用了Mamba，一种以其长距离建模能力和线性复杂度而闻名的状态空间模型。与可能难以处理语义连续性的传统方法不同，SAMIC引入了一个语义感知Mamba块（SAMB），该模块允许扫描由语义特征引导。此外，还集成了一个受SVD启发的冗余去除模块（SVD-RRM），以减少潜在特征中的通道冗余。实验表明，SAMIC在保持较低的模型复杂度的情况下，在速率、失真和感知之间的平衡方面优于当前最先进的方法。 AI
影响 通过利用Mamba，引入了一种更高效的图像压缩方法，有可能在较低比特率下提高图像质量。
排序理由 这是一篇详细介绍一种新图像压缩方法的学术论文。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
完整方法见我们的编辑标准。
arXiv:2605.04560v1 Announce Type: new Abstract: Perceptual image compression focuses on preserving high visual quality under low-bitrate constraints. Most existing approaches to perceptual compression leverage the strong generative capabilities of generative adversarial networks …
Perceptual image compression focuses on preserving high visual quality under low-bitrate constraints. Most existing approaches to perceptual compression leverage the strong generative capabilities of generative adversarial networks or diffusion models, at the cost of substantial …