JPEG XL无损转换中的SSIMULACRA2评分异常问题分析
2025-06-27 21:27:27作者:谭伦延
在图像处理领域,JPEG XL作为一种新兴的图像编码格式,其无损压缩能力一直备受关注。近期在libjxl项目中发现了一个有趣的技术现象:当使用cjxl工具进行无损PNG转JXL格式时,虽然数据在理论上应该完全保留,但SSIMULACRA2质量评估工具却给出了低于100的评分。
问题现象
技术人员发现,当执行以下操作流程时会出现异常:
- 使用cjxl工具以-d 0参数(无损模式)将PNG转换为JXL格式
- 直接使用SSIMULACRA2比较原始PNG和转换后的JXL文件
- 评分结果低于预期的100分完美值
但有趣的是,如果将JXL文件再转换回PNG格式后比较,SSIMULACRA2又会给出100分的正确评分。这表明数据实际上并未丢失,但评估工具在直接处理JXL时出现了偏差。
技术原理分析
经过深入代码审查,发现问题根源在于libjxl内部处理整数到浮点数转换时的实现差异:
-
解码路径差异:
- JXL解码使用dec_modular.cc中的转换逻辑
- PNG解码使用enc_external_image.cc中的转换逻辑
-
精度差异:
- 两种路径在int到float32转换时采用了不同的舍入方式
- 差异极小,在24位整数精度下表现为±1或偶尔±2的偏差
- 这种微小差异足以影响SSIMULACRA2的评分(该工具使用完整的float32精度计算)
-
二次转换现象:
- 当JXL转回PNG时,由于8位色深限制,微小差异被舍入消除
- 因此最终PNG比较时显示完美匹配
解决方案
开发团队提出了两种可行的解决思路:
-
代码重构方案:
- 统一整数到浮点数的转换实现
- 消除dec_modular.cc和enc_external_image.cc中的实现差异
-
数据处理流程优化:
- 在模块化解码后避免转换为浮点数
- 直接生成uint8格式的像素数据
- 使其处理流程与PNG解码路径保持一致
问题修复
该问题已在libjxl项目的v0.11.0版本中得到彻底修复。新版本中通过优化内部数据处理流程,确保了无损转换场景下评估工具的正确性,为JPEG XL的无损压缩能力提供了更准确的质量评估支持。
这个案例很好地展示了图像编解码器中看似微小的实现差异如何影响评估结果,也体现了libjxl团队对编码精度和质量评估的严谨态度。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
最新内容推荐
电脑PC网易云音乐免安装皮肤插件使用指南:个性化音乐播放体验 开源电子设计自动化利器:KiCad EDA全方位使用指南 Jetson TX2开发板官方资源完全指南:从入门到精通 昆仑通态MCGS与台达VFD-M变频器通讯程序详解:工业自动化控制完美解决方案 基恩士LJ-X8000A开发版SDK样本程序全面指南 - 工业激光轮廓仪开发利器 PhysioNet医学研究数据库:临床数据分析与生物信号处理的权威资源指南 QT连接阿里云MySQL数据库完整指南:从环境配置到问题解决 Python案例资源下载 - 从入门到精通的完整项目代码合集 2022美赛A题优秀论文深度解析:自行车功率分配建模的成功方法 TJSONObject完整解析教程:Delphi开发者必备的JSON处理指南
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
222
238
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
暂无简介
Dart
671
156
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
661
312
React Native鸿蒙化仓库
JavaScript
261
322
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
仓颉编程语言测试用例。
Cangjie
37
859
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
217