该文综述面向机器视觉的图像压缩研究，提出多种深度学习模型，包括无需额外信息的对象区域压缩、对抗训练微调解码器、Omni-ICM通用特征框架、Prompt-ICM任务提示协调、编解码与任务联合训练及端到端机器图像编解码器，在检测分割任务上优于VVC，并兼顾视觉质量与压缩效率。

本文综述深度学习图像压缩研究，提出非二元鉴别器并结合VQ-VAE量化局部表示，在CLIC2020等数据集上优于HiFiC，同等FID下节省30-40%比特。研究还涵盖端到端编解码、感知与对抗损失、扩散模型解码及JointIQ-Net等，兼顾失真与感知质量。