苹果PICO编解码器：打破传统指标束缚，文件体积节省20%-40%！

01 PICO登场：苹果团队的答案

2025年2月，国际图像专家组（JPEG）宣布JPEG AI正式发布，这是第一个端到端学习型图像编码国际标准。JPEG标准诞生于1992年，如今人工智能开始重写其语法。但即便JPEG AI，距真正的「感知压缩」仍有距离。传统衡量压缩质量的指标峰值信噪比（PSNR）与人眼看到的「好不好看」关系不大。几十年来，多数编解码器设计逻辑都在数学指标框架内，感知压缩一直是远景目标。此时，苹果一支工程师团队发了一篇论文，给出代号PICO的答案。论文标题为What Matters in Practical Learned Image Compression ，论文地址为https://arxiv.org/pdf/2605.05148。理解PICO前，需明白图像压缩是「忘记什么、记住什么」的取舍题。JPEG、AV1、VVC等传统编解码器是手工设计规则系统，可在PSNR上表现好，但面向「减少像素误差」，而非「减少人眼不适感」。人眼对纹理、文字、细节敏感程度远超数学公式。学习型编解码器理论上可针对人的感知训练，但此前的感知型学习编解码器存在速度慢、缺乏兼容性、无法灵活控制码率等问题，装不进消费级产品。

02 三个核心问题，三种解法

PICO全称是Perceptual Image Codec，目标是让人眼满意。研究团队探索数百万种模型配置，引入关键技术创新。第一个问题是熵编码慢，最精确的自回归编码像厨师放食材要回头看锅，精确但极慢。PICO的「一次性上下文模型」把熵编码关键的「尺度参数」单独拆出，一次前向传播算完，其余参数并行计算，保留精度且绕开速度瓶颈，去掉该模块模型性能下降10.28%，加上速度几乎不受影响。第二个问题是感知训练会产生幻觉，GAN训练出的图像可能是编造的真实，人眼对文字敏感。PICO针对文字设计TextFidelityLoss ，用文字检测器找出文字区域，施加像素保真约束，压制GAN在文字区域「发挥空间」，实验显示加上损失函数后文字区域绝对误差降低一半。第三个问题是图像分块处理会留下色块边界，PICO把图像切成504×504像素瓦片处理再拼回，但GAN训练时忽略低频色彩，导致相邻瓦片有色差。研究团队引入TilingArtifactLoss ，强制模型在多空间频率保持色彩一致，使瓦片边界误差下降一半以上。

03 实验结果

苹果团队委托第三方平台Mabyduck组织大规模人类主观评测，采用盲测两两对比方式，610位评测者（通过色盲检测和压缩伪影辨别测试）对同一张图在不同编解码器下的重建结果配对比较，汇总为Bayesian ELO分数，共收集74,925次配对比较结果。最终数字显示，相同视觉质量下，PICO文件体积是AV1、AV2、VVC、ECM和JPEG AI的三分之一到二分之一，需比特数是这些标准的30%-43%；对比最强学习型感知编解码器，PICO节省20%-40%文件大小。速度方面，在iPhone 17 Pro Max上，PICO编码12MP照片需230毫秒，解码需150毫秒，多数顶级ML编解码器在NVIDIA V100服务器显卡上运行都比它慢。论文还记录在PSNR传统指标上PICO表现平平，印证优化感知质量和优化数学指标是不同方向。

04 一个时代节点，而非终点

PICO有局限性，对于卡通、示意图等高度规则化合成图像，压缩效率不如传统编解码器。但过去三十年图像压缩技术进步多在「让数字更好看」赛道，人眼感知是难题，PICO首次系统拆解该难题，装进可在手机实时运行的编解码器。用苹果设备分享照片时，也许感受不到不同，但安静压缩过程中，针对人眼感知的算法在决定信息取舍。

05 团队：从WaveOne到苹果

论文通讯作者是Oren Rippel，苹果研究员，压缩领域老面孔。2017年他在初创公司WaveOne发表「实时自适应图像压缩」论文，用神经网络打败主流编解码器并维持实时速度，奠定其在学习型压缩领域地位。之后WaveOne团队推出面向视频压缩的ELF-VC，在UVG视频测试集上相比H.264实现44%码率节省，运行速度比同类ML编解码器快五倍以上。WaveOne团队整体加入苹果，PICO是他们在图像感知压缩上交出的第一份系统性答卷。