가변 비트율 극단적인 이미지 압축을 위한 저하 인식 다중 스케일 초해상도 기술

Joint Degradation-Aware Arbitrary-Scale Super-Resolution for Variable-Rate Extreme Image Compression

최근 딥러닝 기반의 극단적인 이미지 압축 기술은 매우 낮은 비트율에서도 뛰어난 성능을 보여주었습니다. 그러나 대부분의 방법은 각 목표 비트율에 대해 별도의 딥러닝 모델을 학습시켜야 하므로 상당한 계산 비용이 발생하고 실제 적용에 어려움이 있습니다. 또한, 최근 연구에 따르면 초해상도 기술을 함께 사용하면 낮은 비트율에서 이미지 복원 성능을 향상시키는 효과적인 방법이 될 수 있습니다. 그러나 극히 낮은 비트율 환경에서는 심각한 정보 손실로 인해 이러한 방법들이 어려움을 겪으며, 고정된 초해상도 스케일에 의존하기 때문에 다양한 비트율에 대한 유연한 적응이 어렵습니다. 이러한 한계점을 극복하기 위해, 우리는 가변 비트율 극단적인 이미지 압축(EIC)을 지원하는 다중 스케일 초해상도(ASSR) 기술을 활용하는 새로운 이미지 압축 프레임워크인 ASSR-EIC를 제안합니다. 인코더 측면에서는 제어 가능한 비트율 감소를 제공하는 임의 스케일 다운샘플링 모듈을 도입하고, 디코더 측면에서는 딥러닝 기반의 저하 인식 ASSR 디코더를 사용하여 단일 모델 내에서 비트율에 따른 적응적인 복원을 가능하게 합니다. 우리는 압축 및 크기 조정에 대한 정보를 활용하여 복원 과정을 안내함으로써 다양한 압축 및 크기 조정 환경에서 높은 충실도와 현실감을 갖는 복원을 달성합니다. 특히, 우리는 전체적인 비트율 적응을 위한 글로벌 압축-크기 조정 어댑터를 설계하고, 생성 및 충실도 지향적인 행동의 균형을 동적으로 조절하여 미세한 수준의 비트율 적응형 디테일 복원을 가능하게 하는 로컬 압축-크기 조정 모듈을 설계했습니다. 또한, 복원 품질을 더욱 향상시키기 위해 이중의 의미론적 강화 디자인을 도입했습니다. 광범위한 실험 결과, ASSR-EIC는 최첨단 수준의 극단적인 이미지 압축 성능을 제공하며, 동시에 유연한 비트율 제어 및 비트율에 따른 적응적인 복원을 지원함을 보여줍니다.

Recent diffusion-based extreme image compression methods have demonstrated remarkable performance at ultra-low bitrates. However, most approaches require training separate diffusion models for each target bitrate, resulting in substantial computational overhead and hindering practical deployment. Meanwhile, recent studies have shown that joint super-resolution can serve as an effective approach for enhancing low-bitrate reconstruction. However, when moving toward ultra-low bitrate regimes, these methods struggle due to severe information loss, and their reliance on fixed super-resolution scales prevents flexible adaptation across diverse bitrates. To address these limitations, we propose ASSR-EIC, a novel image compression framework that leverages arbitrary-scale super-resolution (ASSR) to support variable-rate extreme image compression (EIC). An arbitrary-scale downsampling module is introduced at the encoder side to provide controllable rate reduction, while a diffusion-based, joint degradation-aware ASSR decoder enables rate-adaptive reconstruction within a single model. We exploit the compression- and rescaling-aware diffusion prior to guide the reconstruction, yielding high fidelity and high realism restoration across diverse compression and rescaling settings. Specifically, we design a global compression-rescaling adaptor that offers holistic guidance for rate adaptation, and a local compression-rescaling modulator that dynamically balances generative and fidelity-oriented behaviors to achieve fine-grained, bitrate-adaptive detail restoration. To further enhance reconstruction quality, we introduce a dual semantic-enhanced design. Extensive experiments demonstrate that ASSR-EIC delivers state-of-the-art performance in extreme image compression while simultaneously supporting flexible bitrate control and adaptive rate-dependent reconstruction.