Краткое содержание

arXiv:2511.10991v1 Тип объявления: новый Аннотация: Автокорреляционные (AR) модели, являющиеся теоретическим эталоном производительности для методов сжатия изображений без потерь, часто отвергаются как непрактичные из-за чрезмерной вычислительной стоимости. В данной работе пересматривается этот подход, предлагается новая архитектура, основанная на иерархическом параллельном вычислении и прогрессивной адаптации, восстанавливающая автокорреляционный метод как высокоэффективное и практичное решение. Наш подход реализован в виде Иерархической Параллельной Авто-корреляционной Сверточной Сети (HPAC) — ультра-лёгкой предварительно обученной модели, использующей факторизованную иерархическую структуру и контент-зависимые свёрточные вентили для эффективного захвата пространственных зависимостей. Мы предлагаем два ключевых улучшения для повышения практической применимости: вывод методом «Кэширование-потом-выбор» (Cache-then-Select Inference, CSI), ускоряющий кодирование путём устранения избыточных вычислений, и адаптивное фокусированное кодирование (Adaptive Focus Coding, AFC), эффективно расширяющее возможности метода для обработки изображений высокой битовой глубины. Основываясь на этой эффективной основе, наша прогрессивная адаптация...