本文提出了一种优化非线性变换编码速率失真性能的框架，结合可微分变换与感知度量，研究速率、失真与感知之间的权衡，建立了理论优化的训练框架，并通过实验验证其优越性。同时，探讨了多元高斯源的率失真感知函数及其在信息理论中的应用。

本文提出了一种通用框架，优化非线性变换编码的速率失真性能，结合可微分的分析和感知度量。研究了速率、失真与感知之间的权衡，并利用生成对抗网络实现最低均方误差畸变。实验结果表明该框架在感知质量和重建保真度方面具有优越性。

本文介绍了一种基于神经网络的有损压缩方法，用于NASA的数据密集型成像任务，特别是太阳系和太阳的数据收集。该方法在压缩极紫外（EUV）数据时，在速率失真（RD）性能方面优于JPEG和JPEG-2000。