有些学习式无损压缩方法能节省空间,点开照片却要逐步等待前面的像素。FMT 从粗到细保存图像,不同分辨率的步骤组成一棵树。每一步含有可并行恢复的数据,再把结果交给下一步,顺序步骤数不会随图片尺寸增加。
论文在同一块 A100 上比较所测试的学习式解码器。针对 Kodak 照片,作者报告在文件相当或更小时,大模型版本解码快 9 至 61 倍。顺序步骤固定并不意味着总工作量固定;图片增大时,需要处理的并行数据也会增加。
论文用一张 768 × 512 像素的照片拆解了等待时间:一项统计量数预测器必须按顺序启动几次,另一项数单路熵解码最长要依次处理多少个值。即便两种方法生成相同大小的文件,只要其中一条依赖链更长,同一块 GPU 也可能长时间等不到下一批工作。
