AFP-GIC 生成式图像压缩：低延迟省 18.1%，参数少 20.5%
SantaClaraUniversity · hf · 2026-10-07
圣塔克拉拉大学提出可控生成式图像压缩方法 AFP-GIC，针对极低码率下重建难以保留细节的问题，从冻结的预训练 AdaCode 模型迁移自适应融合先验：编码端用融合先验特征引导隐变量生成，解码端根据压缩表示和控制变量预测匹配的融合先验，无需额外传输先验本身。论文还给出理论分析，证明解码端先验对齐越好、重建误差上界越紧。在统一基准下，相比 DC-VIC，AFP-GIC 解码延迟降低 18.1%，推理参数减少 20.5%（约 3110 万）；在 Kodak、CLIC2020、DIV2K 上取得有竞争力的 PSNR/SSIM，NIQE 感知指标和极低码率视觉对比提升最明显。
「研究」频道最新
- COLM 论文:潜空间推理模型的潜 token 多数可解码,可解释性即正确性信号 — sarahwiegreffe · 2026-10-07
- Apple ML 招聘研究实习生：让基础模型「知道自己知道什么」 — sineadwilliamso · 2026-10-07
- Project Glasswing 验证 13.5 万个漏洞，9333 个已被修复 — ResultBackground2450 · 2026-10-07
- CAVEAT 测试台登场：商店促销能否带偏你的 AI 购物 Agent — ZacharyHuang12 · 2026-10-07
- Pi 与 mini-swe-agent 九项全过，二次代码审查仍揪出三处缺陷 — Mysterious-Desk-3492 · 2026-10-07
- GEA：以群体为进化单元的 Agent 自我改进范式，SWE-bench 71% — xwang_lk · 2026-10-07