跳到正文
热点事件持续更新

Fu Haisheng 发布 LIC-Audit 揭示图像压缩评估偏差

1 篇报道1 个报道来源14 小时前更新

先了解这件事

AI 综述

针对学习型图像压缩(LIC)领域普遍存在的 BD-rate 提升数据难以横向对比问题,Fu Haisheng 等人发布了分析工具与报告 LIC-Audit。该工作基于对 36 个仓库中 353 条率失真曲线及 28,193 次编码解码记录的重新评估,发现不同 VTM 参考版本会导致结果偏差高达 3.56 个百分点,且位计数、PSNR 计算及图像填充等惯例不一致会显著改变排名结论(如 GLIC 与 HPCM 的优劣反转)。

AI 根据报道生成 · 9 小时前更新

报道时间线

沿着报道,了解事件的不同侧面。

11月19日
  1. arXiv · 机器人与计算机视觉
    LIC-Audit:已报道的学习型图像压缩增益有多可比?

    针对学习型图像压缩(LIC)领域普遍存在的 BD-rate 提升数据难以横向对比问题,本文分析了 353 条率失真曲线和 28,193 次编码解码记录。研究发现不同 VTM 参考版本会导致结果偏差高达 3.56 个百分点,且位计数、PSNR 计算及图像填充等惯例不一致会显著改变排名结论(如 GLIC 与 HPCM 的优劣反转)。

本事件热度走势

可比范围当前
7
可比范围峰值
911月19日 18:00
近 24 小时变化
–

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。