本文介绍ResULIC框架，用于超低码率图像压缩，结合潜在特征、语义残差和扩散模型。核心模块包括语义残差编码（SRC）减少文本冗余，和压缩感知扩散模型（CDM）自适应匹配码率。实验显示，相比PerCo，LPIPS和FID分别节省80.7%和66.3%的BD-rate，提升感知质量与重建一致性。

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。

苹果公司推出了PICO图像压缩编解码器，利用机器学习生成高质量图像，具有优越的压缩率和视觉质量，处理速度快。PICO结合了人眼视觉优化和多种损失函数，提升了图像感知质量，但在简单合成图像上的效果可能不如传统方法。

本文探讨了一种学习型图像压缩编码器的设计，旨在优化人类视觉系统的感知质量与运行速度。研究表明，该编码器在压缩性能上显著优于传统编码器，提供2.3-3倍的比特率节省，且在iPhone 17 Pro Max上的编码速度为230毫秒，解码速度为150毫秒，超越大多数基于机器学习的编码器。

本文提出了一种名为DeepHQ的渐进式图像压缩方法，通过学习量化步长提升压缩效率，并引入选择性压缩，仅编码必要的特征，显著减少模型参数和解码时间。

本文提出了一种动态状态空间模型Content-Aware Mamba（CAM），并基于此构建了图像压缩模型CMIC。CMIC通过内容自适应token重排和全局先验提示，增强了长距离冗余建模能力，在多个数据集上实现了SOTA性能。

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。

小波压缩是一种图像压缩技术，通过小波变换在保持图像质量的同时减小文件大小，适用于医学成像和数码摄影等领域。尽管算法复杂且处理速度较慢，但其高效的存储和传输能力使其在各行业中越来越重要。

AI图像压缩工具常宣称能实现小文件和零质量损失，但实际效果不佳。测试显示，ShortPixel在保持清晰度和减小文件大小方面表现最佳，而TinyPNG则导致模糊。Squoosh仍是压缩的金标准。

本文介绍了一个基于Next.js和Tailwind CSS的图像压缩与格式转换应用，支持多种图像格式的压缩和转换，具备拖放功能和预览选项，适合开发者学习图像处理和用户体验优化。源代码可下载。

本文对2025年两款先进AI编码模型进行了比较，挑战它们在NextJS 15、Tailwind CSS和Bun运行时下构建图像压缩应用的能力。GPT-4.1和Claude Sonnet 3.7各有优势，展示了AI驱动开发过程、实时调试能力和编码效率的差异，为开发者提供了重要见解。

今年2月发布的JPEG AI国际标准利用机器学习生成更小图像，提高传输和存储效率。但该技术可能使真实与伪造图像难以区分，影响取证。研究提出三种线索，帮助识别JPEG AI压缩图像与AI生成图像的区别。

intoPIX 将其图像压缩解决方案集成到 Cobalt Digital 产品中，以提升现场制作和视听应用的灵活性，支持 IPMX 和即将推出的 JPEG XS，满足对可扩展和互操作性解决方案的需求，优化基于 IP 的视频基础设施。

超级木星图像压缩器支持PNG、JPG、WEBP和GIF格式（最大10MB），可调节压缩质量和最大宽度，支持即时预览和下载，完全基于浏览器。