最近、ECCV 2026に採択された論文で、Calvin-Khang TaらがMixCompressを提案しました。これは、エキスパート混合（MoE）と深さ混合（MoD）に基づく統一可変ビットレート（VBR）画像圧縮フレームワークです。学習画像圧縮（LIC）における個別モデル保存のオーバーヘッドと、既存VBR手法の特徴絡み合い問題を解決することを目的としています。
従来のLICでは、各レート歪み動作点ごとに独立したモデルを保存する必要があり、リソースを浪費します。既存のVBR手法は密なパラメータ変調でオーバーヘッドを削減しますが、共有バックボーンに異なるマッピングを強制することで深刻な特徴絡み合いを引き起こします。特に、低レートの平滑化勾配と高周波テクスチャ詳細の保存が競合し、性能が最適以下になります。
MixCompressの核心はスパースな構造的特殊化にあります。スパースにゲートされたエキスパート混合（MoE）ルーティングを採用し、勾配競合を緩和します。しかし、MoEは固定計算予算で動作するため、高ビットレートでの表現需要増大に対応できません。そこで、研究チームは深さ混合（MoD）拡張を導入し、モデル容量を動的に調整します。さらに、条件付き補助変換（CAT）により動的サブバンドエネルギー変調を実現し、階層的フレームワークが効率的に容量を動的スケーリングします。
広範な評価により、MixCompressは個別最適化された単一レートベースラインと同等以上の性能を示し、計算効率的な画像符号化の新たなパレートフロンティアを確立しました。この成果は画像圧縮分野に重要な貢献をもたらし、動画ストリーミングやクラウドストレージなどの応用に期待が寄せられています。論文はarXivに投稿され、ECCV 2026で発表予定です。著者らは、スパースゲートMoEによる勾配競合の緩和と、MoDによる動的容量拡張、CATによるサブバンド変調を組み合わせることで、統一フレームワーク下での可変レート圧縮を実現し、従来の単一レートモデルを凌駕する性能を示しました。