低比特率也能高清分割！新源编解码器性能刷新SOTA，每像素不到0.2比特！
Distributed Semantic Segmentation With Improved Rate-Distortion Trade-Off
📖 AI 总结
该研究针对分布式深度神经网络在语义分割任务中的传输瓶颈问题，提出两种新型源编码器，旨在极低比特率下改善率失真（RD）性能。传统方法受限于特定编码器类型且网络架构探索不足，导致低比特率场景下RD权衡欠佳。作者通过创新编码设计，在低于0.2比特/像素（ADE20K数据集）和0.03比特/像素（Cityscapes数据集）的条件下，实现了分布式语义分割的最先进性能，以平均交并比（mIoU）为评估指标。该成果发表于BMVC 2026（口头报告），验证了所提方法在边缘设备与云端间高效传输的可行性，为资源受限场景下的密集感知任务提供了更优的编码方案，推动了分布式DNN在低带宽环境中的实际应用潜力。
🔑 关键词速览
| Distributed deep neural networks (DNNs) | 分布式深度神经网络，将模型拆分部署在边缘设备和云端，以协同完成推理任务。 |
| Semantic segmentation | 语义分割，一种像素级别的图像分类任务，为每个像素分配语义标签。 |
| Rate-distortion (RD) trade-off | 率失真权衡，在压缩中平衡比特率（传输成本）与重建质量（失真）的关系。 |
| Source codecs | 源编解码器，用于压缩原始数据（如图像特征）以降低传输比特率的编码解码工具。 |
| Mean intersection-over-union (mIoU) | 平均交并比，语义分割中衡量预测区域与真实区域重叠程度的常用指标。 |
📱 每天一份 AI 前沿日报
关注公众号，每天 09:00 推送 · 不错过任何重磅