Compressione immagini: l'IA batte ogni record con MLICv2?

Immagina di inviare una foto ad altissima risoluzione in un lampo, senza che perda qualità. Sembra magia, ma è l'ultimo traguardo dell'intelligenza artificiale applicata alla compressione delle immagini. Un nuovo studio presenta MLICv2 e la sua versione potenziata MLICv2+, due modelli che superano lo standard video più avanzato oggi usato, il VVC Intra.

Fino a ora, i sistemi "imparati" (Learned Image Compression) faticavano alle alte qualità: i dettagli fini si perdevano e la gestione dell'informazione non era ottimale all'inizio del processo. I ricercatori hanno risolto il problema con tre mosse geniali. Prima, hanno aggiunto un blocco "token mixing" ispirato all'architettura MetaFormer: una specie di mixer leggero che mescola le informazioni globali senza appesantire i calcoli. Secondo, hanno insegnato al modello a prevedere il contesto globale fin dalla prima fetta di dati ("slice") grazie a una guida dell'iperpriore, aggiungendo un modulo che dà più peso ai canali davvero informativi. Terzo, hanno sperimentato l'ottimizzazione per singola immagine tramite Stochastic Gumbel Annealing (SGA), adattando la compressione al contenuto specifico.

I numeri parlano chiaro: su dataset famosi come Kodak, Tecnick e CLIC, MLICv2+ riduce il bitrate necessario del 20-24% rispetto allo standard di riferimento VTM-17.0. Significa file più piccoli, streaming più fluido e archivi più leggeri, senza sacrificare un pixel. La ricerca, pubblicata su arXiv ad aprile 2025, segna un nuovo stato dell'arte: l'IA non imita più i codec tradizionali, li supera progettando regole tutte sue.

L'architettura MLICv2 introduce innovazioni mirate ai colli di bottiglia storici della Learned Image Compression (LIC). Il MetaFormer-inspired Token Mixing Block (MTMB) sostituisce le classiche attenzioni self-attention o convoluzioni profonde con un'operazione di mixing token efficiente (spesso basata su MLP o pooling globale), risolvendo la degradazione ad alti bitrate dovuta alla capacità di trasformazione limitata dei modelli precedenti (come ELIC o MLICv1).

Sul fronte dell'entropy modeling, l'Hyperprior-Guided Global Correlation Prediction (HGGP) affronta il problema del "primo slice": nelle architetture autoregressive a slice multiple (es. checkerboard o channel-wise), il primo slice non ha contesto laterale. HGGP usa l'iperpriore decodificato per predire una mappa di correlazione globale, iniettando contesto altrimenti assente. Il Channel Reweighting Module (CRM) applica poi una ricalibrazione stile Squeeze-and-Excitation sui parametri gaussiani (mean/scale) per canale, sopprimendo il rumore sui canali meno informativi.

L'Enhanced Positional Embedding migliora la consapevolezza spaziale nei transformer leggeri, mentre la Guided Selective Compression permette di allocare bit in modo non uniforme guidato da mappe di importanza. Infine, lo Stochastic Gumbel Annealing (SGA) sostituisce il classico additive uniform noise durante l'addestramento con un campionamento Gumbel-Softmax annelato, permettendo un'ottimizzazione istanza-specifica a tempo di test (test-time adaptation) che raffina i parametri di quantizzazione per l'immagine specifica. I guadagni BD-Rate (-16% a -24% vs VTM-17.0 Intra) confermano la superiorità su VVC Intra anche in regime high-fidelity (PSNR/MS-SSIM).