内容提要
腾讯香农实验室在2025年赢得两项国际图像压缩赛事，展示了其神经网络编解码技术（TNC）的领先水平。TNC在低复杂度和高压缩率挑战中表现出色，提升了编码质量和压缩效率，标志着AI在视频编码领域的应用进展。
关键要点
-
腾讯香农实验室在2025年赢得两项国际图像压缩赛事，展示了其神经网络编解码技术（TNC）的领先水平。
-
TNC在低复杂度和高压缩率挑战中表现出色，提升了编码质量和压缩效率。
-
低复杂度端到端图像压缩实战赛中，TNC在相同码率下画质最好，获得冠军。
-
高压缩率智能图像压缩挑战赛中，TNC在图像与视频两个赛道上均实现了最佳画质，勇夺双冠。
-
TNC编码技术通过与腾讯云媒体处理团队合作，正稳步推进落地优化工作。
-
TNC采用VAE-INR混合编码架构，提升压缩性能并降低编解码复杂度。
-
TNC在图像编码中采用多种优化技术，确保在不同复杂度下实现最佳压缩性能。
-
TNC视频编码结合AI前处理和后处理技术，提升视频编码的主观质量。
-
未来，腾讯香农实验室将继续推进算法创新与工程优化，推动TNC技术在各行业的应用。
延伸问答
腾讯神经网络编解码技术（TNC）在国际赛事中取得了哪些成就？
TNC在2025年赢得了低复杂度端到端图像压缩实战赛和高压缩率智能图像压缩挑战赛的双冠，展现了其在编码质量和压缩效率上的领先水平。
TNC编码技术的核心优势是什么？
TNC通过VAE-INR混合编码架构提升了压缩性能，并降低了编解码复杂度，确保在不同复杂度下实现最佳压缩效果。
TNC在视频编码中如何提升主观质量？
TNC结合AI前处理和后处理技术，采用环路滤波等方法，显著提升了视频编码的主观质量。
腾讯香农实验室未来对TNC技术的计划是什么？
未来，腾讯香农实验室将继续推进算法创新与工程优化，推动TNC技术在各行业的应用。
TNC在低复杂度端到端图像压缩实战赛中的表现如何？
在该赛事中，TNC在相同码率下的编码质量最佳，获得了冠军，显示出其在实际应用中的优越性。
TNC技术如何实现高压缩率和高画质的平衡？
TNC通过AI增强预处理和环路滤波技术，结合复杂度模型和自适应QP计算，优化了编码过程，实现高压缩率与高画质的平衡。
