Fu Haisheng 发布 LIC-Audit 揭示图像压缩评估偏差
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
最新进展11月19日 13:00
LIC-Audit:已报道的学习型图像压缩增益有多可比?报道时间线
沿着报道,了解事件的不同侧面。
11月19日
- 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
- –
02.557.510
18:0020:0022:0011月20日02:00
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。