任务自适应增强的人机特征解耦可分级压缩.pdfVIP

第41卷第2期信号处理Vol.41No.2

2025年2月JournalofSignalProcessingFeb.2025

文章编号：1003-0530（2025）02-0399-10

任务自适应增强的人机特征解耦可分级压缩

*1，21，21，21，21，2

安平沙莉娅吴颖杨超黄新彭

（1.上海大学通信与信息工程学院，上海200444；2.上海大学特种光纤与光接入网重点实验室，上海200444）

摘要：图像压缩作为一项关键技术，旨在传输过程中保留尽可能少的关键信息，同时使得压缩后的图像保持较

好的质量。而随着计算机视觉的发展，图像的主要消费者不仅仅是人类而更多的是机器，因此探索一种能够同时

面向人类视觉和机器视觉的图像压缩方法十分具有意义。然而，现有的基于学习的图像编码技术虽然已经在人眼

感知质量上取得了显著性的进步，但由于信号保真度及语义保真度的方法在驱动目标上存在分歧，无法同时满足

机器视觉和人眼的需求。因此，本文提出了任务自适应增强的特征解耦可分级压缩方法，旨在利用单一比特流来

支持多种视觉任务，并根据需求进行图像的选择性重建或完全重建。具体而言，本方法将图像特征解耦为目标特

征和背景特征分别进行压缩和重建，所得到的目标图像用于后续目标检测和语义分割任务，而高质量完整重建的

图像供人眼观看。这样不仅在实现视觉任务时避免了重建完整图像，提高压缩效率，还能够满足人眼的不同需求。

此外，为了解决因目标区域重要性差异而引起的任务性能不平衡问题，本方法还设计了可插拔的任务自适应单元，

并将其嵌入在目标特征解码器中，从而可以根据具体任务需求调整特征以增强重建目标图像的分析性能，而无须

重新训练整个网络。实验结果证明，该方法与其他编解码器相比，展现出了更优的任务性能和速率失真（Rate-

Distortion）性能。

关键词：图像压缩；人机协同；特征解耦；任务自适应增强

中图分类号：TN919.81文献标识码：ADOI：10.12466/xhcl.2025.02.017

引用格式：安平,沙莉娅,吴颖,等.任务自适应增强的人机特征解耦可分级压缩[J].信号处理,2025,41(2):399-

408.DOI:10.12466/xhcl.2025.02.017.

Referenceformat:ANPing,SHALiya,WUYing,etal.Scalableimagecodingviafeaturedecouplingforhumanand

machinewithtask-adaptiveenhancement[J].JournalofSignalProcessing,2025,41(2):399-408.DOI:10.12466/xhcl.

2025.02.017.

ScalableImageCodingviaFeatureDecouplingforHumanandMachine

withTask-AdaptiveEnhancement

ANPing*1，2SHALiya1，2WUYing1，2YANGChao1，2HUANGXinpeng1，2

（1.SchoolofCommunicationandInformationEngineering，ShanghaiU