用富保真度解码器引导一步扩散模型用于快速图像压缩

基于扩散的图像压缩模型在感知性能方面表现出色。然而，它存在两个关键缺陷：(1) 由于多步采样导致的解码延迟过高，以及 (2) 过度依赖生成先验导致的保真度不佳。为了解决这些问题，我们提出了 SODEC，一种新颖的单步扩散图像压缩模型。我们认为，在图像压缩中，足够丰富的信息潜藏使得多步细化变得不必要。基于这一见解，我们利用预训练的基于 VAE 的模型来生成信息丰富的潜藏，并用单步解码取代迭代去噪过程。同时，为了提高保真度，我们引入了保真度引导模块，鼓励输出忠实于原始图像。此外，我们设计了速率退火训练策略，以实现在极低比特率下的有效训练。大量的实验表明，SODEC 显著优于现有方法，实现了卓越的速率-失真-感知性能。此外，与以前基于扩散的压缩模型相比，SODEC 将解码速度提高了 20 倍以上。代码已发布于：https://github.com/zhengchen1999/SODEC。