（記者　林碧涓）近日，中國(guó)電信在多媒體與人工智能交叉領(lǐng)域取得具有國(guó)際影響力的技術(shù)突破。中國(guó)電信云計(jì)算研究院常建慧博士的論文《Generative Image Coding with Diffusion Prior》在IEEE國(guó)際多媒體與博覽會(huì)議（IEEE International Conference on Multimedia and Expo，ICME 2025）上榮獲“最佳論文獎(jiǎng)”（Best Paper Award）。該篇論文創(chuàng)新性地將擴(kuò)散模型（Diffusion Model）引入生成式圖像編碼領(lǐng)域，有效突破傳統(tǒng)方法在壓縮效率與重建質(zhì)量之間的權(quán)衡瓶頸。

（圖片來(lái)源：攝圖網(wǎng)）

“生成式圖像和視頻編碼的突破，正在推動(dòng)通信系統(tǒng)從‘傳輸數(shù)據(jù)’向‘重建體驗(yàn)’轉(zhuǎn)型。它的意義不止在于壓縮率的提升，更在于我們能夠以極小的傳輸負(fù)載，還原出感知質(zhì)量很高的視覺(jué)內(nèi)容。”在本次采訪中，中國(guó)電信云計(jì)算研究院常建慧博士深入解讀了此次中國(guó)電信生成式圖像編碼技術(shù)突破的應(yīng)用價(jià)值與前景。

痛點(diǎn)突圍：圖片“壓縮”和“生成”關(guān)系的重構(gòu)

想象一下，你在家戴著一副輕便的AR眼鏡，和遠(yuǎn)在國(guó)外的家人“面對(duì)面”聊天，他們的表情、動(dòng)作、甚至身后的環(huán)境，都在你眼前栩栩如生。這些高清畫(huà)面并不是完整傳過(guò)來(lái)的，而是眼鏡收集了動(dòng)作、語(yǔ)義、結(jié)構(gòu)等關(guān)鍵信息，通過(guò)本地生成模型快速還原畫(huà)面。這背后起關(guān)鍵作用的底層技術(shù)，就是生成式編碼。

隨著生成技術(shù)的進(jìn)步，視覺(jué)內(nèi)容已從自然圖像為主，演變?yōu)樽匀粓D像與AI生成圖像的復(fù)雜混合，這推動(dòng)了對(duì)優(yōu)先考慮感知質(zhì)量的高效編碼技術(shù)的需求。

早期生成式編碼技術(shù)多基于 GAN（生成對(duì)抗網(wǎng)絡(luò)）和 VAE（變分自編碼器）模型，在控制力、穩(wěn)定性及重建質(zhì)量方面仍有一定限制。近年來(lái)在圖像生成領(lǐng)域，擴(kuò)散模型展現(xiàn)出了可控生成高質(zhì)量圖像的強(qiáng)大能力，為圖像壓縮任務(wù)帶來(lái)了新的可能性。然而現(xiàn)有基于生成擴(kuò)散模型的方法則多由文本引導(dǎo)，雖然能夠生成高質(zhì)量圖像，但保真度有限，容易出現(xiàn)偏色、變形、語(yǔ)義偏移等問(wèn)題，難以滿足通信系統(tǒng)對(duì)“可控、穩(wěn)定、可還原”的編碼要求。

研究提出的基于擴(kuò)散模型先驗(yàn)的生成式編碼框架，核心突破在于：將“生成能力”轉(zhuǎn)化為“可控的壓縮系統(tǒng)”，使模型在低碼率下依然能夠傳達(dá)明確而有效的控制信號(hào)，確保重建結(jié)果聽(tīng)從壓縮器“指令”，該框架在低碼率區(qū)間顯著提升了感知保真度。

整體采用通用編碼器與插件式適配器相結(jié)合的架構(gòu)，引入變碼率機(jī)制，以支持多碼率壓縮與靈活對(duì)接多種預(yù)訓(xùn)練擴(kuò)散模型，從AIGC到自然圖像再到垂類內(nèi)容，適配性強(qiáng)，同時(shí)也降低了訓(xùn)練與遷移成本。

技術(shù)突破：“99次失敗后的成功”

科研往往是在對(duì)的方向中，螺旋上升的一個(gè)過(guò)程。這項(xiàng)技術(shù)的萌芽，始于常建慧求學(xué)期間的思考與探索。“那時(shí)候就一直在探索‘能不能讓生成模型參與圖像壓縮’，也做出過(guò)一些成果，但在細(xì)節(jié)保真和泛化能力上仍存在瓶頸。”擴(kuò)散模型的發(fā)展為這一難題提供了新的解法。其在稀疏條件引導(dǎo)下所展現(xiàn)的高質(zhì)量重建能力，使其成為構(gòu)建新型編碼系統(tǒng)的理想基座。

然而，從想法走向可用方案的過(guò)程中，仍面臨諸多挑戰(zhàn)。其中最核心的挑戰(zhàn)，是如何同時(shí)解決壓縮器的表達(dá)能力與生成器的可控性問(wèn)題。一方面，壓縮端需要在極低比特率下仍能提取出對(duì)生成過(guò)程有引導(dǎo)力的關(guān)鍵信息；另一方面，擴(kuò)散模型本身的生成過(guò)程復(fù)雜，如何讓其“聽(tīng)懂”來(lái)自編碼器的控制信號(hào)，也需要精細(xì)設(shè)計(jì)結(jié)構(gòu)與融合方式。早期的探索中，在編碼結(jié)構(gòu)、壓縮粒度、控制接口等方面都經(jīng)歷了多輪嘗試與調(diào)整。直到引入“變碼率編碼器+適配器+融合引導(dǎo)”的結(jié)構(gòu)，才逐步建立起壓縮–生成之間的協(xié)同機(jī)制。

去年7月加入中國(guó)電信云計(jì)算研究院之后，研究院提供了強(qiáng)大算力與實(shí)驗(yàn)條件支持。算力是AI生成研究的重要底座，持續(xù)的算力資源投入讓復(fù)雜模型訓(xùn)練與海量實(shí)驗(yàn)成為可能。經(jīng)過(guò)反復(fù)實(shí)驗(yàn)與模型優(yōu)化，該方案逐步趨于穩(wěn)定。“實(shí)驗(yàn)不是一蹴而就的，成功背后需要足夠多的積累?！?/p>

“因?yàn)槭强蚣苄缘墓ぷ鳎胍M(jìn)一步提升并拓展到更多場(chǎng)景中，從而驗(yàn)證其可用性、可行性。”在有了會(huì)議版本后，常建慧開(kāi)始思考如何進(jìn)一步擴(kuò)展這個(gè)工作。項(xiàng)目成員也從最初的“單打獨(dú)斗”，發(fā)展到今年有實(shí)習(xí)生加入。為幫助新人快速上手，她整理了詳盡的技術(shù)文檔，常陪實(shí)習(xí)生一起調(diào)試代碼、討論方案。“有次他卡了一周沒(méi)跑通實(shí)驗(yàn)，最后終于啃下來(lái)了，那一刻比自己成功還有成就感?！?/p>

這種“敢啃硬骨頭”科研氛圍，植根于研究院獨(dú)特的土壤?！坝锌臻g、有活力”是常建慧對(duì)這里的評(píng)價(jià)，也是她選擇加入的重要原因?！耙粋€(gè)關(guān)鍵契機(jī)是吳杰院長(zhǎng)的邀請(qǐng)。他作為資深教授，學(xué)術(shù)視野非常寬廣，且一直保持著對(duì)科研的熱情，對(duì)根技術(shù)的關(guān)注、對(duì)原理的執(zhí)著，給我很大的感染。這次ICME的投稿能夠脫穎而出，離不開(kāi)他的強(qiáng)烈推薦與信任?！?/p>

該項(xiàng)技術(shù)在去年年底完成早期版本，今年年初投稿ICME2025，并從3737 篇論文中脫穎而出，成為本屆大會(huì)唯一的最佳論文獎(jiǎng)。

這不僅是常建慧個(gè)人的里程碑，更是研究院在圖像編碼這一傳統(tǒng)而前沿的領(lǐng)域，探索出一條極具創(chuàng)新價(jià)值的新路徑?！半m然目前技術(shù)還處在研究成果初步成型、持續(xù)工程驗(yàn)證的階段，但我已經(jīng)切實(shí)感受到了‘從想法走向成果’的路徑正在打通。能在這樣的平臺(tái)上做研究，我感到很幸運(yùn)，也很有動(dòng)力把這項(xiàng)工作繼續(xù)推進(jìn)下去。”

未來(lái)已來(lái)：從圖像到多模態(tài)，構(gòu)筑通信新生態(tài)

從產(chǎn)業(yè)發(fā)展趨勢(shì)上看，生成式壓縮正好契合AI原生通信、AIGC存儲(chǔ)優(yōu)化、邊端協(xié)同等新興需求，是一個(gè)“技術(shù)領(lǐng)先+需求拉動(dòng)”的方向。

當(dāng)前，基于擴(kuò)散模型的生成式編碼新框架展現(xiàn)出廣闊的應(yīng)用前景，從能力特點(diǎn)來(lái)看，它適合應(yīng)用在帶寬敏感或存儲(chǔ)成本高的場(chǎng)景。例如醫(yī)療影像等冷數(shù)據(jù)圖像的長(zhǎng)期備份，這類內(nèi)容對(duì)訪問(wèn)頻率要求不高，但對(duì)還原質(zhì)量仍有基本保障需求，生成式編碼可以在極低碼率下保留結(jié)構(gòu)與感知細(xì)節(jié)，有望大幅降低存儲(chǔ)開(kāi)銷。

但要實(shí)現(xiàn)規(guī)模化落地，還需重點(diǎn)突破三大核心內(nèi)容：一是提升推理效率，進(jìn)一步優(yōu)化擴(kuò)散模型的采樣流程與部署性能；二是提高系統(tǒng)集成能力，解決現(xiàn)有平臺(tái)中生成式解碼的接入問(wèn)題；三是推進(jìn)生態(tài)標(biāo)準(zhǔn)建設(shè)，推動(dòng)上下游接口規(guī)范、格式統(tǒng)一等工作。

“我們認(rèn)為，生成式編碼是一項(xiàng)面向未來(lái)的‘通用視覺(jué)通信能力’，它將支撐泛在云向更智能、更高效、更感知驅(qū)動(dòng)的方向演進(jìn)，也是研究院接下來(lái)重點(diǎn)方向之一。”常建慧介紹道，在邊緣端，生成式圖像編碼技術(shù)可以降低圖像/視頻的回傳成本，提升算網(wǎng)協(xié)同效率；在中心云，能夠支持大規(guī)模感知優(yōu)先型視覺(jué)內(nèi)容的托管、分發(fā)與歸檔，節(jié)省存儲(chǔ)空間；在泛在場(chǎng)景中，可以構(gòu)建出“生成驅(qū)動(dòng)”的新型通信機(jī)制，兼顧質(zhì)量與效率。下一步，中國(guó)電信云計(jì)算研究院計(jì)劃將該技術(shù)拓展到視頻編碼中，并面向多模態(tài)任務(wù)、多模態(tài)模型進(jìn)行探索。

中國(guó)電信董事長(zhǎng)柯瑞文曾強(qiáng)調(diào)，“科技成果只有通過(guò)規(guī)模應(yīng)用，才能促進(jìn)技術(shù)不斷迭代完善，形成成熟的商業(yè)模式，實(shí)現(xiàn)技術(shù)和市場(chǎng)雙輪驅(qū)動(dòng)產(chǎn)業(yè)發(fā)展，并進(jìn)一步反哺科技創(chuàng)新?！?/p>

應(yīng)用落地是檢驗(yàn)技術(shù)創(chuàng)新的“驗(yàn)金石”。作為中國(guó)電信面向未來(lái)科技創(chuàng)新的核心力量之一，云計(jì)算研究院堅(jiān)持“以科技驅(qū)動(dòng)引領(lǐng)未來(lái)、以創(chuàng)新賦能產(chǎn)業(yè)升級(jí)”發(fā)展宗旨，深耕前沿技術(shù)研究；同時(shí)，與天翼云聯(lián)系緊密，在實(shí)際運(yùn)行中，其承接天翼云提出的實(shí)際業(yè)務(wù)痛點(diǎn)，攻關(guān)核心技術(shù)后再通過(guò)天翼云完成落地驗(yàn)證，實(shí)現(xiàn)產(chǎn)學(xué)研深度咬合閉環(huán)?；诖?，“我們也將與天翼云公司探討可能落地應(yīng)用場(chǎng)景。針對(duì)落地應(yīng)用需求，在目前基礎(chǔ)上進(jìn)一步迭代升級(jí)。在升級(jí)過(guò)程中，還可以應(yīng)用一些新的技術(shù)去設(shè)計(jì)，降低推理實(shí)驗(yàn)?！睋?jù)中國(guó)電信云計(jì)算研究院院長(zhǎng)吳杰透露，當(dāng)前，云計(jì)算研究院已與天翼云、天翼視聯(lián)公司進(jìn)行初步溝通，未來(lái)應(yīng)用場(chǎng)景將不止于“云”，還將延伸至視聯(lián)網(wǎng)領(lǐng)域。

當(dāng)靈感遇見(jiàn)堅(jiān)定支持，當(dāng)個(gè)人探索匯入團(tuán)隊(duì)使命，那些曾經(jīng)制約實(shí)踐的“不可能”，終將被一一擊破。在“AI+通信”的融合浪潮中，中國(guó)電信創(chuàng)新者正以扎實(shí)的根技術(shù)，實(shí)踐著從“0”到“1”的突破。