1. 压缩技术：

    • 图像压缩：了解 JPEG 和 JPEG2000 等标准的工作原理，包括它们如何通过离散余弦变换（DCT）和量化等技术减少图像文件的大小。
    • 跨模态压缩：理解什么是跨模态（从一种数据形式转变为另一种数据形式），例如将视觉数据转换为文本或图形的过程。

  2. 深度学习与神经网络：

    • 深度神经网络（DNNs）：基础知识，了解其结构、工作原理以及在数据处理中的应用，特别是在图像生成和语义理解方面。
    • 生成对抗网络（GANs）：了解 GANs 的基本原理，以及它们如何用于从文本生成图像。

  3. 语义理解：

    • 语义保真度：理解在压缩过程中保持数据语义信息的重要性，以及如何评估语义保真度。

  4. 技术术语：

    • 离散余弦变换（DCT）：要了解 DCT 的数学原理及其在图像压缩中的作用。
    • 量化与霍夫曼编码：了解这些技术如何帮助进一步减少数据量。

  5. 图像生成：

    • 从文本生成图像：理解这种技术的应用及其挑战。

是的，你没看错，我是一天开两个坑的勤奋作者（希望有全勤）（如果你关注了我的时间了的话，囧）

现在开始看论文，立字为记（论文 新东西 看起来很有挑战性）

本文提出了跨模态压缩（CMC）——一种用于视觉数据的语义压缩框架，用于将高冗余的视觉数据（如图像、视频等）转化为一个紧凑的、人类可理解的领域（如文本、草图、语义图、归属等），同时保留语义。

比广泛使用的JPEG基线具有更好的压缩性能。

深度神经网络

语义保真度

JPEG 和 JPEG2000 是通用的图像压缩标准，包括可变分辨率、各种色彩空间和不同的传输带宽，同时兼顾软件和硬件的效率。它由众所周知的技术组成，包括 8 × 8 离散余弦变换 （DCT） [1]、量化和霍夫曼编码。

DNNs

从文本生成图像

Reed等[30]证明了通过生成对抗网络（GANs）[14]从文本一致性合成具有语义一致性的图像是可行的，