ECC

在机器人导航、自动驾驶感知、扩展现实（XR）和点云压缩（V-PCC）中，语义地图扮演着关键角色。它不像普通照片那样记录每个像素的颜色，而是用离散的类别标签标记每个区域——道路、行人、车辆、建筑。这种结构化的表示天然具有两个特性：有限的离散值集合，以及区域之间锐利的边界。

一个自然的疑问是：既然语义地图的结构如此特殊，为什么我们还在用通用图像编码器（如 FLIF、PNG+gzip、HEVC-SCC）来压缩它们？通用编码器处理的是像素网格上的连续信号，而语义地图的"本质"其实是轮廓——区域之间的分界线。用像素编码器处理轮廓，就像用文字描述一幅画：能表达，但不够直接。

链码（chain coding）正是轮廓的天然表示。自 Freeman 在 1961 年首次提出以来 #freeman1961encoding，链码用方向符号序列描述轮廓，已经在二值图像压缩中证明了其高效性。但现代语义地图是多值的——一个场景中可能有几十个不同的语义区域，它们之间存在大量共享边界。传统链码方法没有显式利用这一结构特性。

本文 #Yang-et-al.-2026 提出了一种全新的语义地图无损压缩框架，核心思想可以概括为三句话：

实验结果表明，该方法在三个语义地图数据集上比当前最优方法 CC-SMC #yang2024cc 平均降低 18% 码率，编码和解码速度分别最高提升 98% 和 50%。

语义地图 vs. 自然图像：本质差异

自然图像的像素值在空间上连续变化，相邻像素之间高度相关。通用图像编码器（如 JPEG、FLIF）正是利用这种空间相关性来压缩数据。但语义地图完全不同——它的像素值是离散的类别标签，区域内部完全相同，区域之间突然跳变。

这意味着通用编码器在语义地图上浪费了大量计算：它们试图建模区域内部的"相关性"（实际上所有像素值完全相同），却无法有效处理区域边界的"突变"（这正是语义地图信息最密集的地方）。

经典链码的局限：从二值到多值的鸿沟

链码方法从 Freeman F4/F8 到 VCC（顶点链码 #bribiesca1999new）再到 3OT（三正交链码 #cruz2005compressing），一直在优化单条轮廓的表示效率。但它们都是为二值图像设计的——只编码一条轮廓，不考虑多个区域之间的关系。

图 1：经典链码表示方法对比。F4/F8 用绝对方向，VCC 编码顶点配置，3OT 用三符号相对方向。（来源：Yang et al. 2026, Fig.1）

CC-SMC 的两个根本局限

Yang 等人在 2020 年和 2024 年提出的 CC-SMC 框架 #yang2020chain #yang2024cc 首次将链码扩展到多值语义地图。它的策略是：四叉树分区 + 块内链码。这个方案比通用编码器好很多，但引入了两个根本性问题：

本文的洞察很简单：既然语义地图的本质是轮廓，为什么不直接编码轮廓，完全绕过块划分？ 这就是 ECC 框架的出发点。

ECC 的核心直觉

传统链码（如 F8）用 8 个方向符号编码轮廓，每个符号代表一步移动。如果一条轮廓在某个方向上延伸了 10 个像素，F8 需要 10 个符号。

ECC 的想法很直接：如果轮廓在某个方向上持续延伸，为什么不直接用一个符号表示"走两步"或"走三步"？就像在高速公路上，F8 要求你每经过一个出口都报一次"继续直行"，而 ECC 允许你说"直行 3 个出口"。

图 2：(a) ECC 扩展链码。三层 F8 方向扩展，共 36 个符号。优先选择长距离符号（如符号 24）代替多个短距离符号组合。（来源：Yang et al. 2026, Fig.4a）

36 符号集：三层 F8 扩展

ECC 通过将 F8 的 8 方向扩展到三层，总共得到 36 个符号：

RECC：相对链码降维

图 3：(b) RECC 相对链码。27 个符号，第三象限为空（轮廓不反向）。红框标注低频符号（12-20），蓝框标注自引用上下文符号。（来源：Yang et al. 2026, Fig.4b）

上下文自适应熵编码

RECC 符号序列用基于 Markov 模型的上下文自适应算术编码压缩：

• 一阶上下文：前一个 RECC 符号
• 二阶上下文：通过自引用（self-reference）获得——将旋转角度应用到当前 ECC 符号本身
• 上下文表总数：最大 27 × 9 = 243 个

3OT Fallback：小符号集的优势

虽然 ECC 在规则轮廓上效率很高，但对于不规则、碎片化的轮廓，3OT 的小符号集（仅 3 个符号）配合四阶上下文模型反而更高效。

本文保留了 3OT 作为 fallback 模式：对每个 blob，分别计算 ECC 和 3OT 的总比特数，选择更优者。消融实验揭示了有趣的模式选择分布：

这个结果说明：没有一种链码能通吃所有场景。ECC + 3OT 的自适应组合才是最优策略。

Skip-coding：共享边界的免费午餐

语义地图中，相邻区域共享边界。当编码内部 blob 时，与已编码 blob 的共享边界可以直接推断，无需重复编码。

类比：画地图时，两个省份的边界只需画一次——第二个省份只需说"这条边界和 XX 省共用"。

图 4：完全跳过模式示例。共享边界段的 RECC 符号序列被替换为 skip flag = 1，解码端自动推断。（来源：Yang et al. 2026, Fig.6）

Blob 扫描策略

编码的第一步是识别所有语义区域（blob）。blob 是具有相同标签的连续连通像素组，分为两类：

• 边界 blob：触及帧边界的区域。从左上角开始，沿帧边界逆时针扫描。
• 内部 blob：完全被其他 blob 包围的区域。光栅扫描（raster scan）识别。

图 5：(a) 边界 blob 沿帧边界逆时针扫描；(b) 内部 blob 光栅扫描。圆圈标记共享边界起始点，红色曲线为注册轮廓。（来源：Yang et al. 2026, Fig.3）

扫描过程中同时识别共享边界段——当检测到相邻像素标签变化时，对应的边界段归属于当前 blob 的轮廓。

完整编码流程

论文给出的系统总体框架如下图所示。输入语义地图经 Blob 扫描与注册后，按边界/内部 blob 分类分别做轮廓编码，在 ECC（36 符号 → RECC 27 符号）与 3OT（3 符号 + 四阶上下文）两种模式间按比特数择优，再经 Skip-coding 检测共享边界，最后由上下文自适应算术编码输出无损比特流。

图 6：ECC 无损压缩系统总体框架（System schematic）。从输入语义地图到输出比特流的完整 pipeline，涵盖 Blob 扫描、轮廓编码、ECC/3OT 模式选择、Skip-coding 与上下文自适应算术编码。（来源：Yang et al. 2026, System schematic）

下面是用 Mermaid 重绘的同一流程，便于在线交互查看：

flowchart TD
  A["输入语义地图 X"] --> B["Blob 扫描与注册"]
  B --> C["边界 blob / 内部 blob 分类"]
  C --> D["对每个 blob 轮廓编码"]
  D --> E{"ECC vs 3OT 模式选择"}
  E -->|"比特数更少"| F["ECC: 36 符号 → RECC 27 符号"]
  E -->|"比特数更少"| G["3OT: 3 符号 + 四阶上下文"]
  F --> H["Skip-coding 检测共享边界"]
  G --> H
  H --> I["上下文自适应算术编码"]
  I --> J["输出比特流"]
  

编码实例

下图展示了完整的 ECC 编码过程，包含边界 blob 和内部 blob 的处理步骤：

图 7：ECC 编码过程完整示例。左侧为边界 blob，右侧为内部 blob。从 ECC 符号分配 → 旋转映射 → RECC 符号 → 自引用上下文 → 最终链码序列。（来源：Yang et al. 2026, Fig.5）

比特流结构

比特流包含两类信息：

解码过程是自包含的——比特流中包含重建所需的全部信息。

图 8：解码流程总览。解析元数据 → 逐 blob 解码轮廓 → 应用标签 → 完整重建。（来源：Yang et al. 2026, Fig.7）

解码步骤详解

1. 解析高层元数据：获取边界/内部 blob 总数 \(N_k\)，维护计数器 \(i_k\) 追踪已解码 blob 数
2. 逐 blob 解码：
   • 解析起始位置 + 标签索引
   • 解析链码模式标志（ECC 或 3OT）
   • 根据模式解析链码符号序列，重建轮廓
   • 处理 skip-coding 信令，推断共享边界
3. 应用标签信息：将语义标签填充到重建的轮廓区域内
4. 循环直到完成：当 \(i_k = N_k\) 时，所有 blob 重建完成

实验配置

语义地图主实验

运行时性能分析

在码率最优的同时，ECC 的运行时表现也值得关注：

• 低分辨率场景（CASIA-B、DAVIS）：编码/解码时间均为最优或接近最优
• 高分辨率场景（Cityscapes）：编码时间略高于 CC-SMC（0.2302 vs 0.2003），解码时间也更高（0.0996 vs 0.0671）

这是因为 ECC 采用全局扫描策略，计算复杂度随 blob 数量近似线性增长。Cityscapes 平均每帧 123.97 个 blob，全局操作成为瓶颈。作者指出并行化可能缓解这一问题 #Yang-et-al.-2026。

消融实验：每个组件贡献多少？

三个关键发现：

1. ECC + 3OT 自适应 > 单独任何一种：完整框架在所有数据集上最优
2. 选择性禁用稀有符号很重要：始终启用 RECC 第二象限符号（12-20）会增加码率——CASIA-B 从 65.4 增至 67.3，DAVIS 从 398.4 增至 402.1
3. 数据集特性决定模式偏好：规则轮廓（CASIA-B）偏好 ECC，碎片化轮廓（DAVIS）偏好 3OT

Occupancy Map 扩展评估

本文还将方法扩展到 V-PCC 点云压缩中的 occupancy map。在 5 个 MPEG V-PCC 测试序列 × 3 种分辨率下评估：

图 9：语义地图数据集示例。(a) CASIA-B 步态轮廓，(b) DAVIS 视频分割，(c) Cityscapes 城市场景。复杂度从简单到复杂。（来源：Yang et al. 2026, Fig.8）

技术定位

本文在链码压缩发展史上的位置可以这样理解：

从 Freeman 到 ECC，链码的发展经历了"绝对方向 → 相对方向 → 块分区 → 回归纯轮廓"的螺旋上升。本文的关键突破不在于发明了新的链码符号，而在于消除了块划分，让链码回归其最自然的表示形式——完整的轮廓。

局限性与开放问题

• 高分辨率全局扫描瓶颈：Cityscapes (2048×1024) 上运行时高于 CC-SMC。并行化是自然方向，但共享边界推断引入 blob 间依赖，需要仔细设计
• 碎片化 blob 场景：Queen 序列上不如 CC-SMC。或许可以考虑自适应策略——在碎片化区域回退到块分区
• 仅无损压缩：本文只考虑无损场景。有损语义地图压缩（如允许少量边界误差）是一个有趣的方向
• 未与学习型方法对比：深度语义压缩方法（如 DSSLIC #akbari2019dsslic）在有损场景下表现优异，但无损场景下的对比尚未展开

可操作的启发

1. 轮廓优先：对于具有锐利边界的离散信号（语义地图、分割掩码、occupancy map），轮廓表示可能比像素网格更本质
2. 自适应模式选择：ECC + 3OT 的自适应策略说明，与其设计一个"万能"编码器，不如让编码器根据数据特性自适应选择
3. 共享边界是免费信息：Skip-coding 的核心洞察——相邻区域的共享边界不需要重复编码——可以推广到其他多值离散信号压缩场景
4. MPEG 标准化前景：InterDigital 是 MPEG 标准化的重要参与者，本文方法可能影响 MPEG FCM（Feature Coding for Machines）标准中的语义地图编码