💡
原文中文，约6000字，阅读约需15分钟。
📝
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，表现出色。
TNC技术如何提升视频编码的质量和效率？
TNC通过采用VAE-INR混合编码架构和AI前后处理技术，提升了编码质量和压缩效率。
TNC在低复杂度和高压缩率挑战中表现如何？
在低复杂度挑战中，TNC在相同码率下画质最佳；在高压缩率挑战中，TNC在图像与视频两个赛道上均实现了最佳画质。
TNC的编码技术有哪些优化措施？
TNC通过优化VAE模型架构、引入超先验和上下文模型、以及采用广义高斯分布进行概率建模等措施提升编码性能。
未来腾讯香农实验室对TNC技术有什么计划？
未来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技术如何影响视频处理行业？
TNC技术的引入将提升视频编码的压缩能力和视觉体验，推动视频处理行业的智能化发展。
➡️
