MoRIC

传统图像压缩靠手工设计的变换（JPEG 的 DCT、HEVC/VVC 的块划分）捕捉像素间的统计冗余 #VTM-2021。近年的学习式编解码器用神经网络替换这些手工变换，率失真（RD）性能突飞猛进，但代价是模型体量和解码算力远超商业编解码器，落地困难 #MLIC-2024。为了在"低解码复杂度"和"高压缩性能"之间找到平衡点，过拟合编解码器（overfitted codec）应运而生：它用轻量 MLP 构成的隐式神经表示（INR）为每一张图单独拟合一个连续函数，把量化后的网络权重当作码流 #COIN-2021。COIN 之后的 COOL-CHIC、C3、LotteryCodec 一路把 RD 性能推到了超越 BPG/HEVC 的地步 #COOL-CHIC-2023 #C3-2024。

但这条路撞到了一堵墙：一张图用一个网络拟合。图像不同区域的统计特性差异很大——天空平缓、纹理复杂、边缘锐利——用一个固定架构的网络硬塞所有区域，要么网络太大（码率高），要么太小（拟合不了局部细节）。更要命的是，当你想进一步做"只压缩画面里那个行人"这种语义级控制时，矩形像素网格的变换根本不认识"任意形状的物体"。

MoRIC（Modular Region-based Implicit Codec）抓住了这个机会，它的核心重构就一句话：把"一张图一个网络"拆成"多个区域多个网络"，区域边界用链码单独编码，区域内信号用 INR 在任意形状上拟合 #Li-MoRIC-2025。这条拆分把"形状"和"区域内信号"解耦成两条独立链路，恰好绕开了 transform-based shape coding 几十年没解决的变换设计困难。其中轮廓编码用的是论文新设计的 C\* 自适应链码——这正是本系列读者最关心的"链码处理轮廓图像"的现代版答案，也是本文相对库内 ECC 链码精读 的差异化价值所在。

结果相当耀眼：单物体压缩上 BD-rate 比 VTM-19.1 低 10.43%（Davis）/10.73%（Kodak），解码只需 <800 MACs/像素；全图压缩在 Kodak（−2.79%）和 CLIC2020（−10.58%）上以 <2000 MACs/像素的复杂度超越 VTM-19.1，号称"首个在 Kodak 上（以 <2000 MACs/像素低复杂度约束）超越 VTM 的神经编解码器" #Li-MoRIC-2025。本文就带你看透它是怎么做到的——尤其是那个把链码从 1961 年的 Freeman 推到 2025 年的自适应版本的 C\* coding。

图 1：MoRIC 框架总览。三大特征：精确的单物体压缩、区域自适应编码、可扩展的分层压缩。（来源：Li et al., NeurIPS 2025, Fig.1）

要看懂 MoRIC 的改法，得先看清它要改的"标准过拟合编解码器"长什么样。论文 §3.1 给了一个非常干净的形式化对照 #Li-MoRIC-2025。

标准过拟合编解码器：一个网络 + 一个 latent

标准方案（Fig. 2a）把整个数据点 \(S\) 用一个函数 \(g_W\) 和一个 latent 向量 \(z\) 拟合：编码端做拟合 \(F\)、量化 \(Q\)、熵编码 \(A\)；解码端用量化后的 \(\hat W, \hat z\) 重建 \(\hat S = g_{\hat W}(\hat z)\)。它的率失真分别为：

这里 \(p_{\hat\psi}(\cdot)\) 是用一个轻量自回归熵模型（ARM）估计的 \(\hat z\) 分布，\(R_{\hat\psi}\) 是传 ARM 参数的额外开销 #COOL-CHIC-2023。问题很清楚：一个 \(g_W\) 要同时搞定全图所有区域，复杂度被强制拉高，码率随之膨胀；而且你想单独压"画面里那个人"根本做不到——网络是按矩形像素网格训练的。

模块化分层编解码器：区域 + 轮廓 + 选择函数

MoRIC（Fig. 2b）把图像切成 \(N\) 个互斥区域 \(\{S^1,\dots,S^N\}\)，每个区域 \(S^i\) 用独立的 \(g_{W^i}\) 和 latent \(z^i\) 拟合。关键创新在于：区域位置信息不再靠矩形坐标，而是靠轮廓 \(\tau^i\)，用链码方案 \(C(\cdot)\) 单独压缩。解码时 \(\tau^i\) 通过一个选择函数 \(S(\cdot)\) 指导该用哪套 \(\{W^i, z^i\}\)，逐区域重建：

新的率变成各区域 latent 之和 + 轮廓 + 共享 ARM：

一个自然的疑问是：把图切成区域、再为每个区域单独编码轮廓，这些额外的"分区信令"和"轮廓比特"会不会反而吃掉收益？答案是：在低 bpp 区间，轮廓和网络开销确实会主导码率（Fig. 7 显示低 bpp 下轮廓占近 80%）；但在中高 bpp 区间，区域化的拟合增益远超这些开销。这正是后面 C\* coding 要"有损/无损自适应"的动机——低 bpp 时允许轮廓有损以省比特，高 bpp 时切换无损保精度。

MoRIC 由四个组件构成：局部合成网络 LSN（每个区域一个）、全局调制网络 GMN（全区域共享）、latent 调制 \(z^i\)（每区域可学向量）、共享 ARM（熵模型）。再加上把它们串起来的 PCM 机制 和负责轮廓的 C\* 链码。我们逐个拆开看 #Li-MoRIC-2025。

MoRIC 架构：从标准过拟合 codec 到模块化区域 codec 的演进。（来源：Li et al., NeurIPS 2025, Fig.2/3）

局部合成网络 LSN 与全局调制 GMN

每个区域的 LSN \(g_{W^i}\) 接收轮廓内的坐标 \(x^i\)，重建该区域的像素强度。它由 \(L_s = 4\) 层卷积组成，每层后跟一个共享调制器 \(M(\cdot)\)。\(M(\cdot)\) 把上一层输出与 GMN 提供的调制向量拼接，过一个权重共享的 MLP 生成下一层输入。

GMN \(f_\theta\) 全局优化、跨区域共享。它由上采样模块（转置卷积）+ \(L_m = 4\) 层卷积构成，把量化后的 \(\hat z^i\) 上采样成多尺度调制向量喂给 LSN 各层。这里有个精妙的设计：\(M(\cdot)\) 的参数在区域间共享。好处有三：(a) 参数共享直接降码率；(b) 跨层 coarse-to-fine 多尺度调制；(c) 局部与全局特征隐式融合。一个区域的小 LSN 借这套共享调制器，就能"借到"全局上下文，不必自己重新学。

PCM：把全局上下文"累积拼接"地注入局部

光有共享调制器还不够，论文进一步提出 Progressive Concatenated Modulation（PCM），把全局上下文以 coarse-to-fine 的方式持续注入局部合成。latent \(z^i\) 被设计成 \(L\) 个多分辨率向量 \(\{z^i_1,\dots,z^i_L\}\)，每个 \(z^i_j\) 对应 \(2\times2\) 逐级下采样（最粗层缩减 \(4^{L-1}\) 倍）。GMN 把它们上采样成 \(U^i_k\)，PCM 的关键一步是累积拼接而非单尺度替换：

这种设计让 MoRIC 意外获得了一个跨区域泛化能力：即使只传背景 LSN，共享的 GMN/PCM 也能让局部 LSN 推断出其他区域的颜色和结构——这正是后面"分层压缩"能成立的基础。论文也指出 MoRIC + PCM 是一个通用框架，可替换为其他调制策略（如 Mehta 的 modulator 或 FiLM）#Li-MoRIC-2025。

图 4：MoRIC 工作流。图像被划分为 N 个区域，每个区域用独立的 LSN \(g_{\hat W^i}\) 配合共享 GMN \(f_{\hat\theta}\) 调制。（来源：Li et al., NeurIPS 2025, Fig.4）

C\* 自适应链码：本篇的链码核心

前面所有架构都建立在"已知区域轮廓 \(\tau^i\)"之上。那 \(\tau^i\) 怎么压缩？这才是本系列读者最该看懂的部分。MoRIC 没有用现成的链码，而是设计了 C\* coding，灵感来自 Chang、Kulkarni、Koplowitz 1992 年的 Adaptive chain coding for arbitrary curves #Chang-1992。它要同时满足三个目标：(a) 对目标对象的语义覆盖（不漏边界像素）；(b) 对高曲率的鲁棒性（自适应膨胀）；(c) 平衡的 RD 折中。

C\* coding 由四个模块组成：角度匹配（angle matching）、全局重置（global resetting）、偏移自适应（offset adaptation）、轮廓膨胀（contour dilation）。我们从 Freeman 链码的基础讲起，逐步看每个模块为什么必要 #Freeman-1961。

起点：带步长的方向量化。从初始点出发，给定步长 \(T\)（像素）和初始角 \(\varphi_0\)，把方向空间均分为 \(M_0\) 个角度候选。每走一步，计算"下一个 \(T\) 距离处轮廓点"相对最近角度候选的偏移角 \(\theta_t\) 和距离偏移 \(d\)。每步比特成本是：

第一位用于角度选择，+1 用于重置信令。注意 \(M_t\) 是带下标的——它会自适应变化，这正是 C\* 与固定 8 方向 Freeman 链码的根本区别。

模块一：角度匹配。每一步在当前角度划分 \(M_t\) 里选最接近真实轮廓走向的候选。划分越细（\(M_t\) 越大），角度越准，但每步比特成本越高。所以 C\* 不固定 \(M_t\)，而是让它在曲率变化时动态伸缩。

模块二：全局重置（失步重同步）。当某步的偏移距离过大，说明当前角度划分已经"跟丢"了轮廓，需要临时切到最细粒度重新对齐。触发条件是：

模块三：偏移自适应（曲率伸缩）。重置之外，C\* 还根据累积平均偏移 \(\bar\theta_t\) 做更平缓的角度伸缩，三分支决策：

这套"小则减半、大则倍增"的逻辑让链码在平滑段用粗划分省比特、在拐角用细划分保精度——和差分链码"方向连续时熵低"的统计规律一脉相承，但更进一步做到了曲率自适应。

模块四：选择性膨胀（语义覆盖兜底）。链码只描述一条曲线，但区域编码要保证轮廓"包住"目标。每轮编码后检查误差 \(\epsilon\)，若 \(\epsilon \gt \epsilon_0\)（轮廓没盖住目标），用 \(3\times3\) 核对轮廓做膨胀再重编码，直到覆盖达标或达迭代上限 \(K\)。这步直接防止"漏掉边界像素导致语义损失和 RD 急剧退化"。

四模块跑完，最后过一遍 MTF（move-to-front）变换 #Bentley-1986 去掉方向序列的局部冗余，为后续熵编码铺路。完整伪代码见 Algorithm 1（论文 Appendix D.2）。

flowchart TD
  A["初始点 + 步长 T + 初值 φ0, M0"] --> B["角度匹配: 选最近候选"]
  B --> C{"偏移 d > 2T sin(φ/4M)?"}
  C -->|"是"| D["全局重置: φ=2π, M=16"]
  D --> E["偏移自适应: θ̄ 小→减半 / 大→倍增"]
  C -->|"否"| E
  E --> F{"一轮编码完成?"}
  F -->|"否"| B
  F -->|"是"| G{"误差 ε > ε0?"}
  G -->|"是"| H["3×3 膨胀 → 重编码"]
  H --> F
  G -->|"否"| I["MTF 变换 → 输出码流"]

有损 vs 无损：两套模式自适应切换

C\* coding 提供两种模式。有损模式就是上面完整的四模块自适应链码，步长 \(T\) 可调（Table 1 消融里测了 \(T=1/4/6/10\)）。无损模式则固定 \(\varphi = 2\pi, M = 8\)，再过 MTF，并额外提供三种可选策略压缩方向序列：(1) VCC 顶点链码共享顶点描述 #Bribiesca-1999；(2) 3OT 三正交链码按先验方向差分 #3OT-2005；(3) NAD 归一化角差链码。这三种都是经典链码方案，MoRIC 把它们作为无损模式的可选项内置，承诺开源。

MoRIC 训练时把数据点拟合成参数集 \(\Omega = \{\psi, \theta, \{z^i, \tau^i, W^i\}_{i=1}^N\}\)，最小化：

这里有个非常关键的设计选择：rate 项只对 latent \(\hat z^i\) 计算，轮廓 \(\tau^i\) 和网络参数 \(\{\theta, W^i, \psi\}\) 被排除在训练 loss 之外 #Li-MoRIC-2025。原因有二：一是它们的贡献相对小，二是它们不可微（链码是离散过程、参数量化用非学习分布）。于是 MoRIC 走了一条典型的"分治"：训练时只让可微的 latent 进 RD loss，离散的轮廓和网络参数用各自的编码器处理，最后全部计入最终码流。这样既保住了端到端可微训练，又不丢任何码率成分。

两阶段量化感知优化

latent \(z^i\) 的量化继承自 C3 的两阶段策略 #C3-2024。训练 Stage I 用带温度的 soft-rounding 加 Kumaraswamy 噪声近似量化（可微），温度和噪声退火让分布从尖峰过渡到均匀；Stage II 与推理用硬量化：

网络参数（\(W^i, \theta, \psi\)）走标量量化 + 非学习 Laplace 熵模型，量化步长 \(\Delta\) 用贪心搜索确定。latent 的熵模型则是学习的 Laplace 分布，按空间邻域条件化：

最后用 range coder 把 \(\hat z^i\) 压进码流。

训练配置披露表

MoRIC 的推理流程和训练有明确差异：训练时 latent 走 soft-rounding + 噪声，推理时直接硬量化；网络参数也直接量化。解码端拿到码流后，先用链码重建各区域轮廓 \(\tau^i\)，再用选择函数 \(S(\cdot)\) 把每段轮廓映射到对应的 \(\{W^i, z^i\}\)，逐区域用 \(g_{\hat W^i}(f_{\hat\theta}(\hat z^i), x^i)\) 重建，最后区域合并成完整图像。

低解码复杂度的来源

MoRIC 解码便宜，根因是区域化让每个 LSN 只需拟合自己那块区域，网络小、算力低。单物体压缩只需 <800 MACs/像素，全图压缩 <2000 MACs/像素，比 MLIC++ 低 >100× #Li-MoRIC-2025。更激进的是，由于各区域独立解码，MoRIC 还支持部分解码：只重建感兴趣区域。论文报告相对 VTM 省 2× 计算 + 73.56% 码率，相对 MLIC++ 省 1235× 计算 + 37.31% 码率——这对固定摄像头场景（只关心画面里的运动物体）极有价值。

MoRIC 单物体重建可视化：区域 LSN 精确拟合目标，背景由固定端已知。（来源：Li et al., NeurIPS 2025, 项目页）

分层压缩：先粗后细的可扩展码流

MoRIC 还揭示了一个 overfitted codec 的新能力：语义可泛化。得益于共享的 GMN/PCM，即使解码端只收到背景 LSN，也能产生语义可辨的粗重建——对象结构和语义仍清晰可认，只是颜色不准。随后再逐层传区域专属 LSN，颜色和纹理逐步精修（Fig. 11）。这种 coarse-to-fine 的码流对高分辨率多区域图像特别友好，支持渐进式精修和可控的区域级重建。

MoRIC 在 DAVIS、Kodak、CLIC2020 上对比 VTM、EVC、MLIC++、C3、COOL-CHIC v4、LotteryCodec，用 PSNR(RGB)、BD-rate、MACs/像素、编码延迟评测 #Li-MoRIC-2025。

实验配置表

单物体压缩：SOTA 且解码极轻

单物体任务是 MoRIC 的主战场（只压目标区域，背景假设已知）。在 DAVIS 和 Kodak 上，MoRIC 以 -10.43% / -10.73% 的 BD-rate（相对 VTM-19.1）在单物体压缩上超越当前最强神经编解码器 MLIC++，解码只需 <800 MACs/像素——远低于所有 AE-based 编解码器。

图 6：单物体压缩 RD 性能。(a-b) DAVIS/Kodak 的 RD 曲线与 BD-rate；(c) BD-rate vs 解码复杂度，MoRIC 占据左下（低复杂度高性能）。（来源：Li et al., NeurIPS 2025, Fig.6）

全图压缩：在 Kodak/CLIC2020 上超越 VTM

全图任务下，MoRIC 在 overfitted codec 里 SOTA：比 C3 低 5.0%（Kodak）/5.48%（CLIC2020），比 COOL-CHIC v4 低 5.51%（DAVIS）。更重要的是，它在 Kodak（−2.79%）和 CLIC2020（−10.58%）上超越 VTM-19.1，号称"首个在 Kodak 上超越 VTM 的神经编解码器"。对比同组前作 LotteryCodec（−0.66%/−9.79%），MoRIC 进一步拉大优势。不过它仍落后于 MLIC++，但解码复杂度低 100× 以上。

图 8：全图压缩 RD 性能与 BD-rate（Davis/Kodak/CLIC2020）。MoRIC 在 Kodak/CLIC2020 超越 VTM-19.1。（来源：Li et al., NeurIPS 2025, Fig.8）

图 9：RD 性能与解码复杂度的折中（Davis/Kodak/CLIC2020）。MoRIC 在同等复杂度下 RD 最优。（来源：Li et al., NeurIPS 2025, Fig.9）

baseline 对比汇总

把散落在各处的 BD-rate 数值汇成一张表，更易看清 MoRIC 相对各 baseline 的改进幅度（负值=MoRIC 更优）：

C\* 步长消融：低 bpp 增大步长略好，高 bpp 急剧退化

Table 1 给了 C\* coding 的核心消融——步长 \(T\) 从 1 增到 10，轮廓 IoU 从 100% 降到 87.31%，轮廓 bpp 从 0.0637 降到 0.0140（省了 78%），但高 bpp 下 PSNR 从 32.16 急退到 31.80：

其他消融与失败案例

组件消融显示：去掉 LSN 掉点最大（+5.35%），去掉 GMN 掉 +7.03%（产生 ringing artifact），去掉 PCM-GMN 掉 +3.56%，去掉 C\ 只掉 +0.47%（说明链码本身在整体 RD 里占比小，但提供了任意形状能力），矩形轮廓替代 C\ 掉 +2.53%（stitching artifact）。区域数消融：1→2 区域增益最大，最多用 3 区域（−1.72% vs single），再多收益递减而复杂度上升。

失败与局限同样清晰：高编码复杂度（单区域 17.54 sec/1k steps，三区域 32.06 sec）是最大短板，适合一次编码多次解码的多用户流媒体；低 bpp 下 contour+network overhead 主导；高 bpp 下 lossy contour 退化；全图仍落后 MLIC++；分割误差敏感——IoU<20% 时鲁棒，30–40% 起显著退化，严重误差甚至导致编码不稳定。

把 MoRIC 放回它该在的位置，需要看三组对照。

第一组对照揭示了 MoRIC 的历史意义：shape-based coding 研究了几十年没落地，根因是变换编码难为任意形状设计专用变换 #Li-MoRIC-2025。MoRIC 用"形状用链码 + 区域内信号用 INR"的解耦，第一次让 shape-based coding 在 INR 框架里实际跑通——这是链码与 INR 的一次历史性握手。

第二组对照定位了它在 overfitted codec 谱系里的位置：COIN 开山 #COIN-2021 → COOL-CHIC 引入 latent/熵模型 #COOL-CHIC-2023 → C3 引入 Wasserstein 失真 #C3-2024 → LotteryCodec 引入彩票掩码 #LotteryCodec-2025 → MoRIC 引入区域化 + 链码 + 全局调制。值得注意的是，通讯作者 Haotian Wu 同时是 LotteryCodec 的共同作者，Gündüz 是同一 PI——MoRIC 是其课题组在 2025 年"区域化+链码+全局调制"的升级路线，与 LotteryCodec 的"二值掩码"路线互补，两条都越过 VTM。

第三组对照落到本系列：与 ECC 的纯无损语义地图链码、MPEG-4 CAE 形状编码 的块级二值算术编码相比，MoRIC 的 C\* 把链码推进到了"步长 + 角度双自适应 + 有损/无损可切换 + 与 RD 耦合"的现代形态，是目前链码处理轮廓图像最新的代表作之一。

局限与未来方向也很明确：高编码复杂度是最大瓶颈，作者建议用 meta-learning 和区域级混合精度训练加速；视频编码扩展可利用相邻帧轮廓相关性 + 跨 GoF 共享调制；目前用 SAM2 离线生成 mask，未来可把分割集成进编码过程探索粒度-性能折中 #Li-MoRIC-2025。这些方向尚未有公开实现，是后续可跟进的开放问题。