第五届全国人工智能大赛 AI+图像编码参赛经验：MLIC图像压缩源码复现

原创

已于 2025-04-26 15:39:48 修改 · 601 阅读

20 ·

CC 4.0 BY-SA版权

文章标签：

#人工智能

于 2025-01-09 23:01:45 首次发布

论文：https://arxiv.org/pdf/2307.15421
源码：https://github.com/JiangWeibeta/MLIC/tree/main
首先说本人是图像压缩的小白，但是架不住互联网的强大，可以paperswithcode官网上搜到图像压缩模型的排行榜，选择最新的方案作为baseline。
在这里插入图片描述
首先说一下问题,解决方法如下文所示：
1.修改后的工程在window和linux下都能正常跑通，但是上传到平台上就报工程中模块找不到的情况，很灵异。
2.自己训练的模型文件熵模型可能需要更新，但是本人不会，就直接将加载的模型的keys值进行修改，就可以正常加载了。
3.Lambda 0.0018~0.0483,也就是第二个红框中的预训练模型需要适配代码才能跑，在mlicpp.py文件中定义LatentResidualPrediction函数。
4.Lambda越小编译出来的码率文件最小。但是解码出来的码率都超过了平台提交的限制，因此还未提交成功。
5.猜想：通过给模型添加质量级别参数，大概可以将码率给降下来quality（int）：质量级别（1：最低，最高：8）。
6.该工程尽可能多的集成最新的模型方案，已达到对compressAI的补充。集成
https://github.com/lumingzzz/TIC
https://github.com/wyq2021/s2lic
https://github.com/jmliu206/LIC_TCM
https://github.com/gityuxiliu/segpic-for-image-compression

1.下载源码：

git clone https://github.com/JiangWeibeta/MLIC.git

2.下载预训练模型跑测试（第一个红框可以直接跑测试）

在这里插入图片描述
解决办法：
1.修改后的工程在window和linux下都能正常跑通，但是上传到平台上就报工程中模块找不到的情况，很灵异，一直使用sys.path.append条件当前目录到编译器中，始终不能解决，最后通过在mlicpp.py中sys.path.insert和在模块目录下添加__init__.py文件解决。
在这里插入图片描述

import sys,os
current_directory = os.getcwd()
sys.path.insert(0,current_directory)

2.自己训练的模型文件熵模型可能需要更新，但是本人不会，就直接将加载的模型的keys值进行修改，就可以正常加载了。

	checkpoint = torch.load(args.checkpoint)
    new_state_dict = OrderedDict()
    k_dict = {
   
   
        "entropy_bottleneck.matrices.0":"entropy_bottleneck._matrix0",
        "entropy_bottleneck.biases.0":"entropy_bottleneck._bias0",
        "entropy_bottleneck.factors.0":"entropy_bottleneck._factor0",
        "entropy_bottleneck.matrices.1":