PerCo

超低码率下用扩散模型生成真实感图像，压缩不失真

PerCo 是一个基于 PyTorch 的开源图像压缩工具，对应 ICLR 2024 论文《Towards Image Compression with Perfect Realism at Ultra-Low Bitrates》。它主要解决超低码率下传统图像压缩方法导致严重失真或模糊的问题，通过结合扩散模型和文本到图像生成技术，在极低比特率下重建出视觉上真实、符合语义的图像。核心能力包括：利用预训练文本编码器提取语义信息，通过条件扩散模型生成高感知质量的重建图像，并支持可调节的压缩率。项目提供模型训练和推理代码，适合研究超低码率图像压缩、生成式编码等方向。

开源 free 图像生成

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 106

维护状态低维护

是否开源是

定价模式 free

项目数据

分类图像生成

开发团队Nikolai10

所属国家

官网地址

GitHubhttps://github.com/Nikolai10/PerCo

定价模式free

价格说明开源项目，Apache-2.0许可证，完全免费，需自行部署。

访问状态

是否开源是

开源协议Apache-2.0

主要语言Python

技术栈/模型computer-vison,diffusion-models,generative-model,image-compression,pytorch,text-to-image

GitHub 星标★ 106

30天Star增速

HF 下载量

上线时间2024-05-24 00:00:00

最近更新2026-08-29 00:00:00

维护状态低维护

中文支持

访问方式

移动端支持

综合评分

收录时间2026-08-09

浏览次数5

使用教程

核心亮点

基于 ICLR 2024 前沿研究，算法新颖，学术价值高
在极低比特率下能生成视觉真实的图像，远超传统方法
代码结构清晰，基于 PyTorch，易于复现和二次开发

不足之处

项目处于早期，文档和社区支持待观察
依赖扩散模型推理，计算开销大，实时性差

适用场景

科研人员复现论文实验，对比生成式压缩算法
图像存档系统在极低带宽下传输高清图片
边缘设备或弱网环境下的图像传输与重建

替代项目

HiFiC、Learned Image Compression (CompressAI)、Minnen et al. (2018)

项目介绍

PerCo 是计算机视觉领域的开源项目，由 Nikolai10 开发，2024 年首次发布。

它收录于计算机视觉分类，该分类目前共有 446 个项目，GitHub 星标数为 106。

项目已超过三个月没有代码更新，维护节奏明显放缓，最近一次代码更新于 2026-08-29。Apache-2.0许可证，完全免费，需自行部署。

它主要面向的使用场景是：科研人员复现论文实验，对比生成式压缩算法。同类可对比的替代方案包括 HiFiC、Learned Image Compression (CompressAI)、Minnen et al. (2018)。

上一篇：DMIT

下一篇：ComfyUI-Forbidden-Vision