PULSE: Unlocking Practical Image Compression on Single-Thread CPU

📄 arXiv: 2609.18602v1 📥 PDF

作者: Zhaoyang Jia, Tianyu Zhang, Zihan Zheng, Wenxuan Xie, Jiahao Li, Bin Li, Houqiang Li, Yan Lu

分类: cs.CV

发布日期: 2026-09-16

🔗 代码/项目: GITHUB

💡 一句话要点

提出PULSE以解决单线程CPU上的图像压缩效率问题

🎯 匹配领域: 支柱八：物理动画 (Physics-based Animation)

关键词: 图像压缩 低延迟解码 神经网络 熵编码 智能进化 资源受限硬件 感知优化

📋 核心要点

  1. 现有学习图像压缩方法在资源受限的CPU上计算开销大，导致低效的解码性能。
  2. PULSE通过设计超低复杂度的神经接收器和高效的熵编码方法，解决了低延迟解码的问题。
  3. PULSE在单线程CPU上以126毫秒解码1080p图像，压缩性能与HM相当，经过优化后与MS-ILLM竞争。

📝 摘要（中文）

尽管近年来在学习图像压缩方面取得了进展，但现有方法在资源受限的硬件上，尤其是CPU上，仍然计算开销较大。我们提出了PULSE，这是一种实用的编解码器，能够在多种硬件平台上实现低延迟解码，采用超低复杂度的5.2 kMAC/像素神经接收器，并通过整数线性CDF预测器和元先验实现高效的比特精确熵编码。为了在这一紧张预算下恢复压缩性能，我们引入了一种由启发式探针引导的智能进化过程，通过人类与大型语言模型的协作迭代改进架构。PULSE在单个CPU线程上以126毫秒解码1080p图像，同时实现的压缩性能与HM相当。经过感知优化后，PULSE与更大规模的感知编解码器如MS-ILLM竞争。代码可在https://github.com/microsoft/GenCodec/tree/main/PULSE获取。

🔬 方法详解

问题定义：本论文旨在解决现有学习图像压缩方法在单线程CPU上计算开销大的问题，导致解码效率低下。

核心思路：PULSE的核心思路是通过设计超低复杂度的神经网络接收器和高效的熵编码机制，来实现低延迟的图像解码，同时保持良好的压缩性能。

技术框架：PULSE的整体架构包括一个低复杂度的神经接收器和一个比特精确的熵编码模块。神经接收器负责图像的解码，而熵编码模块则确保压缩数据的高效存储。

关键创新：PULSE的主要创新在于引入了智能进化过程，通过启发式探针引导架构的迭代改进，这种方法与传统的手动设计方法有本质区别。

关键设计：在设计中，PULSE使用了5.2 kMAC/像素的神经接收器，结合整数线性CDF预测器和元先验，确保了在低复杂度下仍能实现高效的图像压缩。具体的损失函数和网络结构细节在论文中进行了详细描述。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

PULSE在单线程CPU上以126毫秒解码1080p图像，压缩性能与HM相当，经过感知优化后，PULSE的性能与更大规模的感知编解码器MS-ILLM竞争，显示出显著的效率提升。

🎯 应用场景

PULSE的研究成果在图像压缩领域具有广泛的应用潜力，尤其适用于资源受限的设备，如移动设备和嵌入式系统。其低延迟解码能力使其在实时图像处理和传输中具有重要价值，未来可能推动更多高效图像编解码技术的发展。

📄 摘要（原文）

Despite recent progress in learned image compression, existing methods remain computationally expensive on resource-constrained hardware, particularly CPUs. We introduce PULSE, a practical codec that enables (1) low-latency decoding on diverse hardware platforms with an ultra-low-complexity 5.2 kMAC/pixel neural receiver, and (2) efficient bit-exact entropy coding with an integer linear CDF predictor and a meta prior. To recover compression performance under this tight budget, we introduce an agentic evolution process guided by heuristic probes that iteratively improves the architecture through human-LLM collaboration. PULSE decodes a 1080p image in 126 ms on a single CPU thread while achieving compression performance comparable to HM. After perceptual optimization, PULSE competes with larger perceptual codecs like MS-ILLM. Codes are at https://github.com/microsoft/GenCodec/tree/main/PULSE