IE-PFA 神经图像压缩模型提出
热点事件持续更新
IE-PFA 神经图像压缩模型提出
1 篇报道1 个报道来源23 小时前更新
先了解这件事
AI 综述
2026年11月，Tiancheng Si 等人提出 IE-PFA 神经图像压缩模型。该模型基于四叉树空间通道联合建模，通过共享的可学习字典作为外部先验，融合内外部先验以实现性能突破。 在速率失真性能上，IE-PFA 达到 SOTA 水平，相比 VTM-22.0-Intra 平均 BD-Rate 降低 21.65%。模型参数量仅为 29.9M，编码耗时 61 ms、解码耗时 52 ms，是同类高级神经编解码器中速度最快的。相关代码已开源，支持单网络内 64 个质量等级的可变率编码。
AI 根据报道生成 · 22 小时前更新
最新进展11月6日 13:00
IE-PFA：基于内外部先验融合与对齐的神经网络图像压缩模型报道时间线
沿着报道，了解事件的不同侧面。
11月6日
- arXiv · AIIE-PFA：基于内外部先验融合与对齐的神经网络图像压缩模型
IE-PFA 模型通过融合内外部先验实现 SOTA 速率失真性能，平均 BD-Rate 较 VTM-22.0-Intra 降低 21.65%。 该模型参数量仅为 29.9M，编码耗时 61 ms、解码耗时 52 ms，为同类高级神经编解码器中速度最快。 代码已开源，支持单网络内 64 个质量等级可变率编码。
本事件热度走势
- 可比范围当前
- 5
- 可比范围峰值
- 1011月6日 14:00
- 近 24 小时变化
- –
02.557.510
18:0011月7日06:00
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。