迪士尼推出全新AI图像压缩技术：细节保留，但存“幻觉”风险

近期，一项引人注目的技术创新问世：一种基于扩散模型的有损图像压缩方案。相较于传统的 Stable Diffusion V1.2 模型，此方案在压缩性能上实现了显著提升，并能生成与原始图像高度相似的高质量图像。这项技术不仅提升了图像的压缩效率，更在视觉效果上达到了令人满意的水平。

该压缩方案引入了名为“感知掩码”的概念，旨在保留图像中的关键细节，如人脸和重要区域。与传统的 JPEG 和 AV1 压缩方法相比，该方案在保留图像细节方面表现更出色，从而避免了图像信息的过度损失。

从技术角度来看，该方案的关键在于其能够从压缩后的图像中重建出高度逼真的图像。即便在高压缩比的情况下，该方案依然可以生成视觉效果出色的图像。研究人员还发现，该方案能够有效地提升现有图像编辑工具（例如，图像修复工具）的性能，从而改善图像的整体质量。值得一提的是，这种扩散模型的独特压缩能力并不会对现有的图像处理流程产生干扰。

此外，该方案在处理包含复杂纹理和细节的图像时表现尤为出色，能够有效地减少传统压缩方法中常见的伪影现象。研究人员的实验结果表明，该方案不仅能够改善压缩图像的视觉质量，还能在一定程度上提升图像编辑的效率。这一创新为图像压缩领域带来了新的可能性。

值得关注的是，这一压缩方案在训练过程中使用了大量的图像数据集，其中包括来自 Vimeo-90k 数据集的图像。研究人员通过对这些数据集的分析和处理，成功地提升了该方案的压缩性能和图像质量。总的来说，这项技术为图像压缩领域带来了新的思路和方法，有望在未来得到广泛应用。

参考链接：https://studios.disneyresearch.com/app/uploads/2024/09/Lossy-Image-Compression-with-Foundation-Diffusion-Models-Supplementary-1.pdf

要点总结：

1. ✨ 一种基于 AI 扩散模型的图像压缩技术，提高了压缩性能并保持图像质量。

2. ⚙️ 该方案通过保留图像细节和优化编辑工具来改善图像质量。

3. ⚠️ 在实际应用中，需要注意平衡压缩比和细节保留，特别是“感知”相关内容。