图像压缩的核心目标是在尽可能低的码率下保留尽可能高的视觉质量。近年来，学习式图像压缩方法在客观指标和主观感知质量上取得了显著进展，但在极低码率场景下仍面临明显挑战：传统率失真优化方...

本文介绍了一种新型超低码率图像压缩方法NeFIC。该方法通过解码锚点帧并利用视频扩散模型进行下一帧预测，提高了解码效率和图像质量。实验结果表明，NeFIC在多个测试集上显著降低了码率，同时保持高感知质量和真实感，节省超过50%的码率。

电力巡检正逐步采用无人机技术，ZEGO方案实现了实时音视频传输，满足低延迟和低码率需求。通过自定义视频采集和低码率编码，确保在弱网环境下无人机画面清晰可见，支持多路监控，提升巡检效率。

VisualOn与Cires21在NAB 2026大会上发布白皮书，展示了VisualOn Optimizer在提升视频体验质量方面的成果。研究表明，该技术在低分辨率和码率下显著改善画质，尤其适用于移动端观看。NVIDIA NVENC表现优异，VMAF得分提升，优化器有效提升低码率视频的用户体验并节省带宽。

本文介绍了SpecTokenizer，一种轻量级流式神经音频编解码器，采用压缩谱域建模，显著降低计算量和参数规模。实验结果表明，其在低码率下优于现有模型，适合资源受限环境，具备良好的泛化能力和高效的部署潜力。

本文提出了一种混合压缩方案，结合传统编码与生成式压缩技术，实现低码率下高保真人脸视频的实时压缩。该方法利用动态参考帧和深度视频生成模型，克服了静态参考帧的局限性，显著提升了视频重建质量和编码效率，适用于社交媒体和实时通信场景。