libavif v1.2.0 版本发布:AV1 图像格式库的重大更新
libavif 是一个开源的 AV1 图像格式编解码库,它实现了 AVIF 格式的编码、解码和处理功能。AVIF 是基于 AV1 视频编码器的图像格式,具有出色的压缩效率和图像质量,正在成为下一代图像格式的重要选择。最新发布的 v1.2.0 版本带来了多项重要改进和新特性,进一步提升了库的功能性和稳定性。
核心特性增强
本次更新最显著的变化是移除了多个实验性功能的标记,将它们提升为稳定功能。其中最重要的两项是:
-
增益地图(Gain Map) API:这个功能现在已成为稳定特性,不再需要特殊的编译标志。增益地图技术允许在单一文件中存储不同曝光级别的图像信息,为HDR显示设备提供更好的支持。
-
YCgCo_Re 和 YCgCo_Ro 色彩空间支持:这两种色彩空间转换算法也已从实验状态毕业,现在可以稳定使用。它们的枚举值已更新至最新的CICP规范。
元数据处理改进
新版本在元数据处理方面做出了重要改进:
-
新增了
properties和numProperties字段到avifImage结构中,用于存储和传递libavif无法识别的属性数据。这增强了库对非标准元数据的兼容性。 -
增加了对HEIF第三版修正案中"PixelInformationProperty"语法的实验性支持,需要通过编译标志
AVIF_ENABLE_EXPERIMENTAL_EXTENDED_PIXI启用。 -
改进了对增益地图元数据的处理逻辑,现在会忽略不支持的元数据,并正确处理writer_version大于0的情况。
编码器与解码器优化
在编码和解码方面,v1.2.0带来了多项优化:
-
编码器现在支持处理超大尺寸图像,解决了之前可能存在的限制问题。
-
解码器现在能够正确处理包含非视频轨道(如音频或字幕)的图像序列。
-
改进了对辅助轨道的类型检查,避免将非alpha辅助轨道错误识别为alpha通道。
-
解码器现在能够处理具有奇数Clean Aperture尺寸或偏移的子采样图像。
API变更与弃用
本次版本引入了一些API变更:
-
简化了增益地图API,移除了
enableParsingGainMapMetadata设置,现在只要编译支持就会自动解析增益地图元数据。 -
弃用了
avifEncoder中的量化器相关字段(minQuantizer等),推荐使用quality和qualityAlpha参数替代。 -
弃用了
avifCropRectConvertCleanApertureBox()和avifCleanApertureBoxConvertCropRect()函数,提供了更直观的替代函数。 -
将
AVIF_HEADER_FULL重命名为AVIF_HEADER_DEFAULT,并标记前者为弃用。
新增工具与实用功能
v1.2.0版本新增了一个实用工具:
avifgainmaputil命令行工具:这个工具专门用于处理增益地图相关操作,现在已包含在标准安装包中。
此外还新增了一些实用函数:
-
avifSignedFraction和avifUnsignedFraction结构体,以及相关的转换函数,方便处理分数数据。 -
avifCropRectRequiresUpsampling()函数,用于判断裁剪矩形是否需要上采样。
依赖项更新
libavif v1.2.0同步更新了多个依赖库的版本:
-
AOM编码器更新至v3.12.0,新增了
tune=iq(图像质量)编解码选项。 -
dav1d解码器更新至1.5.1版本。
-
libjpeg更新至v3.0.4。
-
SVT-AV1编码器更新至v3.0.0,支持了无损编码和并行度设置。
其他改进
-
优化了文件结构,现在会写入空的HandlerBox名称字段而非"libavif",节省了7字节空间。
-
改善了属性写入顺序,现在描述性属性会先于转换性属性写入。
-
修复了alpha通道处理中的多个潜在溢出问题。
-
Android JNI支持改进,包括支持16kb页面大小和默认线程数设置为2。
总结
libavif v1.2.0是一个功能丰富的更新版本,将多项实验性功能提升为稳定特性,同时改进了编码和解码的可靠性和灵活性。新版本特别强化了对HDR和增益地图的支持,使AVIF格式在高质量图像应用场景中更具竞争力。对于开发者而言,需要注意一些API的变更和弃用,及时调整代码以适应新版本。
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
unified-cache-managementPersist and reuse KV Cache to speedup your LLM.Python02
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
HunyuanWorld-Mirror混元3D世界重建模型,支持多模态先验注入和多任务统一输出Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Jinja00
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile014
Spark-Chemistry-X1-13B科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00