该文综述学习型有损图像压缩研究，涵盖内容加权编码器-解码器与重要性掩模实现自适应比特率分配、基于Transformer与提示生成支持ROI及可变速率编码、兼顾感知质量与效率的改进模型（节省超25%比特率）、用于视频压缩的对抗学习、结合GAN的宽比特率高质量重建、面向视觉分析的率失真模型（节省最高28.17%比特率）、集成ROI掩模的Swin Transformer提升检测分割性能、以对抗训练提升感知品质的PO-ELIC，以及极低比特率下有效的双自适应掩膜。