一句话看懂:论文提出 FMT 无损图像格式,把解码顺序与熵编码器一起设计,使任意尺寸图像都能在固定数量的串行步骤内解码;在同为 A100 的测试条件下,其大网络版本解码 Kodak 照片比所测学习型编解码器快 9 到 61 倍。
事件核心:发生了什么
2026 年 11 月 17 日,Hugging Face Papers 收录了一篇题为 FMT(Fixed-step Multiscale Tree,固定步数多尺度树)的论文摘要。作者的核心观察是:学习型无损编解码器虽然压缩后文件更小,但解码一张照片要花数秒,而经典编解码器只需毫秒级,因此存档和训练数据仍以经典编解码器为主。论文认为耗时主要来自“等待”而非“计算”——网络要等待条件值,算术解码器又要逐个读取。FMT 将图像组织为从粗到细的树结构,每一步的值相互独立,由 GPU 一次性预测,并用携带状态的 rANS 并行通道解码,从而让串行步骤数不随图像尺寸增长。摘要称,在无网络规则到大型网络的一族编解码器中,同一 GPU 上所测编解码器没有一能在大小和速度上同时胜过它们;无网络版本在大小和速度上优于 NVIDIA 的 HTJ2K,大网络版本在同等或更小体积下解码 Kodak 照片比所测学习型编解码器快 9 到 61 倍。目前公开信息仅为论文摘要,未涉及全文实验和同行评审情况。
为什么重要
学习型编解码器长期受制于解码延迟,导致“更小体积”难以转化为实际部署价值。FMT 把并行解码的可控性作为格式设计目标,若后续验证成立,可能为图像存档、训练数据管线和大规模图像服务提供兼顾体积与速度的路线,也会对经典编解码器在高吞吐场景中的地位形成补充性竞争。
对用户/开发者/创作者的影响
对开发者而言,固定步数解码意味着处理大批量图像时延迟更容易预估,但摘要未说明格式的工程成熟度、工具链和硬件支持范围,暂时不宜视作可直接集成的产品。对内容创作者和普通用户,短期内影响有限,更多取决于该格式是否被主流软件和平台采用。对企业来说,是否采用需等待全文中的完整评测和实际部署成本。
值得关注的后续
一是论文全文是否公开更多数据集、不同 GPU 和编解码器对比细节;二是是否出现开源实现或与现有图像库、云服务的集成;三是经典编解码器阵营和硬件厂商是否跟进类似并行解码设计。


