摘要

近年来，学习型图像压缩（Learned Image Compression, LIC）取得了显著进展。现有方法通常采用基于卷积神经网络（CNN）或自注意力机制的模块作为压缩过程中的变换方法。然而，此前尚无研究针对神经变换机制在特定区域上的优化。为此，本文提出使用类别无关的分割掩码（即不带类别标签的语义掩码），以提取区域自适应的上下文信息。我们所提出的区域自适应变换模块（Region-Adaptive Transform）根据这些掩码对不同区域施加自适应卷积操作，从而实现更精细的特征建模。此外，我们设计了一种即插即用的模块——尺度仿射层（Scale Affine Layer），用于融合来自不同区域的丰富上下文信息。尽管已有先前工作将分割掩码作为额外的中间输入用于图像压缩，但我们的方法在核心思想上存在显著差异。关键优势在于：为避免引入额外的比特率开销，我们将在训练阶段可访问的分割掩码视为“特权信息”（privilege information），而在推理阶段无需使用。据我们所知，这是首次将类别无关的分割掩码作为特权信息应用于图像压缩任务，并在像素保真度指标（如峰值信噪比，PSNR）上取得了更优性能。实验结果表明，与以往表现优异的方法相比，本方法在保持相同重建质量的前提下，相较 VTM-17.0 实现了约 8.2% 的比特率节省。相关源代码已开源，地址为：https://github.com/GityuxiLiu/SegPIC-for-Image-Compression。