Pilotage d'un modèle de diffusion en une étape avec un décodeur riche en fidélité pour la compression rapide d'images

Steering One-Step Diffusion Model with Fidelity-Rich Decoder for Fast Image Compression

August 7, 2025

papers.authors: Zheng Chen, Mingde Zhou, Jinpei Guo, Jiale Yuan, Yifei Ji, Yulun Zhang

cs.AI

papers.abstract

La compression d'images basée sur la diffusion a démontré des performances perceptuelles impressionnantes. Cependant, elle souffre de deux inconvénients majeurs : (1) une latence de décodage excessive due à l'échantillonnage multi-étapes, et (2) une fidélité médiocre résultant d'une dépendance excessive aux a priori génératifs. Pour résoudre ces problèmes, nous proposons SODEC, un nouveau modèle de compression d'images par diffusion en une seule étape. Nous soutenons que dans la compression d'images, un latent suffisamment informatif rend inutile le raffinement multi-étapes. Sur la base de cette idée, nous exploitons un modèle pré-entraîné basé sur VAE pour produire des latents riches en informations, et remplaçons le processus itératif de débruitage par un décodage en une seule étape. Par ailleurs, pour améliorer la fidélité, nous introduisons le module de guidage de fidélité, encourageant une sortie fidèle à l'image originale. De plus, nous concevons la stratégie d'entraînement par annélation du taux pour permettre un entraînement efficace à des débits extrêmement faibles. Des expériences approfondies montrent que SODEC surpasse significativement les méthodes existantes, atteignant une performance supérieure en termes de taux-distortion-perception. En outre, par rapport aux modèles de compression basés sur la diffusion précédents, SODEC améliore la vitesse de décodage de plus de 20 fois. Le code est disponible à l'adresse : https://github.com/zhengchen1999/SODEC.

English

Diffusion-based image compression has demonstrated impressive perceptual performance. However, it suffers from two critical drawbacks: (1) excessive decoding latency due to multi-step sampling, and (2) poor fidelity resulting from over-reliance on generative priors. To address these issues, we propose SODEC, a novel single-step diffusion image compression model. We argue that in image compression, a sufficiently informative latent renders multi-step refinement unnecessary. Based on this insight, we leverage a pre-trained VAE-based model to produce latents with rich information, and replace the iterative denoising process with a single-step decoding. Meanwhile, to improve fidelity, we introduce the fidelity guidance module, encouraging output that is faithful to the original image. Furthermore, we design the rate annealing training strategy to enable effective training under extremely low bitrates. Extensive experiments show that SODEC significantly outperforms existing methods, achieving superior rate-distortion-perception performance. Moreover, compared to previous diffusion-based compression models, SODEC improves decoding speed by more than 20times. Code is released at: https://github.com/zhengchen1999/SODEC.