arXiv · quant-ph· Shiwen An, Zhongyi Ni, Huanhai Zhou, Jin-Guo Liu·· 8 小时前
研究者提出用于图像压缩的可训练多线性基
Fast Trainable Multilinear Bases for Image Compression
arXiv:2608.00053v4阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Shiwen An, Zhongyi Ni, Huanhai Zhou, Jin-Guo Liu
研究任务与主要进展
研究者提出数据集自适应的等距多线性基，通过张量网络参数化和黎曼优化为每个图像数据集学习一组共享基。该方法保留近线性运行时间与精确可逆性，但在自然照片上主要于激进截断时超过 DCT，在 Quick Draw 线稿上按相同质量计可比 JPEG 的 8×8 块余弦变换少存储约 20% 的字节数，未计入基的一次性存储。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · quant-ph · arxiv.org