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。

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。