中国电信在多媒体与人工智能的交叉领域取得了突破性进展，这一成就获得了国际认可。中国电信云计算研究院的常建慧博士所撰写的论文《基于扩散先验的生成式图像编码》在IEEE国际多媒体与博览会议（ICME 2025）上荣获“最佳论文奖”。该论文提出了一种创新的思路，将扩散模型应用于生成式图像编码领域，有效打破了传统方法在压缩效率与图像重建质量之间的权衡难题。
生成式图像和视频编码技术的突破，正引领通信系统从“传输数据”的传统模式向“重建体验”的全新阶段转变。这不仅仅意味着压缩率的提升，更重要的是，它能够在极小的传输负载下，还原出高质量的视觉内容。常建慧博士在接受采访时，详细阐述了此次技术突破的应用价值和广阔前景。
传统图像编码技术在面对自然图像与AI生成图像的复杂混合时，面临着诸多挑战。早期基于GAN和VAE的生成式编码技术，在控制力、稳定性和重建质量上存在一定的局限性。而近年来，扩散模型在图像生成领域展现出了强大的能力，为图像压缩带来了新的可能性。然而，现有的基于扩散模型的图像生成方法多由文本引导，虽然能够生成高质量的图像，但在保真度方面仍有不足，容易出现偏色、变形等问题，难以满足通信系统对编码的“可控、稳定、可还原”要求。
常建慧博士的研究团队提出的基于扩散模型先验的生成式编码框架，其核心在于将“生成能力”转化为“可控的压缩系统”。这一框架使模型在低码率下仍能传达明确有效的控制信号，确保重建结果符合压缩器的“指令”，从而在低码率区间显著提升了感知保真度。该框架采用通用编码器与插件式适配器相结合的架构，并引入变码率机制，支持多码率压缩与灵活对接多种预训练扩散模型，从AIGC到自然图像，再到特定领域的内容，都表现出强大的适配性。
科研之路往往充满挑战，这项技术的萌芽始于常建慧博士求学期间的思考与探索。她一直在寻求让生成模型参与图像压缩的方法，虽然早期成果在细节保真和泛化能力上仍有瓶颈，但扩散模型的发展为这一难题提供了新的解决方案。然而，从想法到可用方案的过程中，团队面临着压缩器表达能力与生成器可控性的双重挑战。经过多轮尝试与调整，团队最终引入了“变码率编码器+适配器+融合引导”的结构，成功建立了压缩与生成之间的协同机制。
加入中国电信云计算研究院后，常建慧博士得到了强大的算力与实验条件支持。经过反复实验与模型优化，该方案逐渐趋于稳定。研究院独特的科研氛围也为她提供了广阔的发展空间，她与团队成员共同努力，不断突破技术难关，最终使这项技术得以成型并获得了国际认可。
这项技术的应用前景广阔，特别是在带宽敏感或存储成本高的场景中。例如，在医疗影像等冷数据图像的长期备份中，生成式编码可以在极低码率下保留结构与感知细节，有望大幅降低存储开销。然而，要实现规模化落地，还需在推理效率、系统集成能力和生态标准建设等方面取得突破。
中国电信云计算研究院计划将该技术进一步拓展到视频编码中，并探索多模态任务和多模态模型的应用。常建慧博士表示，生成式编码是一项面向未来的“通用视觉通信能力”，它将支撑泛在云向更智能、更高效、更感知驱动的方向演进。未来，该技术有望在边缘端降低图像/视频的回传成本，提升算网协同效率；在中心云支持大规模感知优先型视觉内容的托管、分发与归档；在泛在场景中构建出“生成驱动”的新型通信机制。
中国电信云计算研究院已与天翼云、天翼视联公司进行了初步沟通，探讨可能的落地应用场景。未来，这一创新技术将不仅局限于“云”领域，还将延伸至视联网等更广泛的领域，为“AI+通信”的融合浪潮注入新的活力。在团队的共同努力下，那些曾经制约实践的“不可能”正被一一击破，中国电信的创新者正以扎实的根技术，实践着从“0”到“1”的突破。
