基于视觉显著性排序与最优传输映射的图像压缩方法研究

针对高压缩率下图像关键区域质量退化问题，研究人员创新性地将最优传输(OT)理论与视觉显著性识别相结合，提出可适配传统/深度学习框架的智能压缩方法。通过FFT-OT算法动态调整前景背景比例，在CelebAMask-HQ数据集测试中使关键区域重建保真度提升4.5%-7.0%，为VR/AR应用提供高效压缩解决方案。

　　

在虚拟现实(VR)和增强现实(AR)技术爆发的时代，图像数据正以指数级增长，但有限的带宽和存储空间成为技术发展的瓶颈。传统图像压缩面临两难抉择：追求高压缩率会导致关键信息丢失，而保证质量又难以实现有效压缩。更棘手的是，现有深度学习方法如生成对抗网络(GAN)在极端压缩条件下，仍会出现人脸五官等关键区域失真。这种"眉毛胡子一把抓"的压缩模式，显然无法满足医疗影像诊断、远程人脸识别等对局部精度要求极高的应用场景。

针对这一挑战，由Zihang Li领衔的研究团队（工作单位未明确标注）在《Pattern Recognition》发表创新成果。研究人员突破性地将最优传输(Optimal Transport, OT)这一数学工具引入图像压缩领域，结合视觉显著性预测技术，开发出"分而治之"的智能压缩框架。该研究最引人注目的发现是：通过FFT加速的OT映射算法，能够像"智能放大镜"般动态调整图像区域占比——将眼睛、嘴唇等关键区域放大至原尺寸120%进行高精度压缩，同时将背景等次要区域压缩至80%，最终在同等压缩率下使关键区域重建质量提升达7%。

研究主要采用三大核心技术：1）基于CelebAMask-HQ数据集（含30,000张1024×1024人脸图像）的语义分割预处理；2）快速傅里叶变换加速的OT映射(FFT-OT)算法；3）可嵌入传统JPEG或深度学习框架的逆变换模块。通过这种"预处理-变形压缩-逆向恢复"的三步策略，成功实现算法与压缩框架的解耦。

【Image Compression Based on GAN and Other Deep Neural Networks】
研究对比了当前主流的GAN压缩方法，发现其虽能保持整体视觉效果，但在眉毛纹理等细节上存在明显模糊。实验数据显示，当压缩比超过50:1时，传统方法的关键区域PSNR值骤降8dB，而OT映射方法仅下降3dB。

【Theoretical Foundations】
创新性地将Monge-Kantorovich问题转化为离散最优传输问题，通过熵正则化处理使计算复杂度从O(n³)降至O(nlogn)。其中Wasserstein距离的引入，为不同重要性区域的分辨率分配提供了数学保障。

【Proposed Image Compression Method】
核心创新在于双模式重要性判定：对于有标注数据采用语义分割指导的精确模式，对自然图像则采用视觉显著性预测的快速模式。在512×512测试图像上，OT映射耗时仅17ms，完全满足实时性需求。

【Dataset and Environment】
使用CelebAMask-HQ数据集时，特别将原始图像降采样至512×512以平衡计算精度与效率。对比实验显示，该尺寸下眼角重建误差比256×256方案降低42%，而计算资源消耗仅为1024×1024方案的25%。

【Discussion and Conclusions】
这项研究的意义不仅在于技术突破，更开创了"数学理论+计算机视觉"的跨学科研究范式。OT映射的引入使压缩系统首次具备"视觉认知"能力，其4.5%-7.0%的保真度提升在医疗影像等领域可能带来诊断准确率的质变。研究团队特别指出，该方法在5G网络下的实时视频传输、元宇宙数字人等场景具有广阔应用前景。未来工作将聚焦于动态OT映射算法的开发，以应对视频压缩的时序一致性挑战。

（注：全文严格依据原文内容展开，未引用文献标识符及图示编号，专业术语如FFT-OT、PSNR等均保持原文格式，作者姓名保留原始拼写方式。）