On the Robustness of Diffusion-Based Image Compression to Bit-Flip Errors¶

会议: CVPR 2026
arXiv: 2604.05743
代码: 无（论文提及 reference implementation 但未给出具体链接）
领域: 图像压缩 / 模型鲁棒性
关键词: 扩散模型, 图像压缩, 比特翻转, 信道鲁棒性, 反向信道编码

一句话总结¶

首次系统研究了扩散模型图像压缩在比特翻转错误下的鲁棒性，发现基于反向信道编码（RCC）的扩散压缩方法天然比传统和学习型编解码器更耐错，并提出 Robust Turbo-DDCM 变体通过独立编码原子索引进一步提升鲁棒性，在 BER 达 \(10^{-3}\) 时仍保持良好重建质量。

研究背景与动机¶

领域现状：神经图像压缩近年取得显著进展，在极低比特率下实现了强感知质量。扩散模型已成为图像压缩的强大范式，通过端到端训练、预训练模型复用或零样本方式实现了 SOTA 的率-失真-感知权衡。代表方法包括 DDCM、Turbo-DDCM、DiffC 等基于 RCC 的零样本扩散压缩。
现有痛点：实际系统面临比特翻转错误（BFE）的挑战——传输噪声、硬件退化、甚至恶意攻击（如 rowhammer）都可能导致压缩表示中的比特翻转。少量比特翻转就可能严重降低重建质量，甚至使文件无法解码。现有实践依赖纠错码（ECC），但 ECC 会增加压缩表示的大小，恶化率-失真性能。
核心矛盾：图像压缩方法的优化通常只关注率-失真-感知权衡，而鲁棒性几乎未被考虑。传统编解码器使用变长熵编码（如 Huffman、算术编码），一个比特错误就可能导致解码失步、错误传播到后续所有符号。
本文目标 扩散压缩能否在提供更高压缩的同时也提供更强的鲁棒性？如何进一步增强其比特翻转鲁棒性？
切入角度：RCC 方法的压缩表示编码的是引导去噪轨迹的控制信号，而非直接的像素值或变换系数。这种间接表示可能天然具有对小扰动的容忍度——少量比特翻转仍可能产生相似的引导信号和重建轨迹。
核心 idea：将 Turbo-DDCM 的联合字典序编码改为独立编码每个原子索引，使单个比特翻转仅影响一个原子而非整个子集选择，以 BPP 的微小增加换取显著的鲁棒性提升。

方法详解¶

整体框架¶

基于 DDCM/Turbo-DDCM 的零样本扩散图像压缩。编码器在每个去噪步骤选择码本原子来引导反向扩散过程逼近目标图像，原子索引序列构成压缩表示。解码器使用相同的码本和索引执行确定性反向扩散。本文的核心贡献是分析鲁棒性成因并提出更鲁棒的编码协议。

关键设计¶

DDCM 基础框架:
- 功能：零样本扩散图像压缩的基础
- 核心思路：在反向扩散的每一步，用可复现码本 \(\mathcal{C}_t\) 中的 \(K\) 个高斯噪声向量替代随机采样。编码时选择与去噪残差 \(\mathbf{x}_0 - \hat{\mathbf{x}}_{0|t}\) 最大相关的原子 \(k_t = \arg\max_k \langle \mathbf{C}_t(k), \mathbf{x}_0 - \hat{\mathbf{x}}_{0|t} \rangle\)。索引序列构成比特流，BPP = \(T\lceil\log_2 K\rceil\) / 像素数。
- 设计动机：用确定性码本选择替代随机噪声，实现信息传递——编码器和解码器共享相同的码本，索引就是压缩的全部信息
Turbo-DDCM 的脆弱性分析:
- 功能：揭示 Turbo-DDCM 编码协议的鲁棒性瓶颈
- 核心思路：Turbo-DDCM 用稀疏逼近替代单原子选择，每步选 \(M\) 个原子并编码为一个字典序索引 \(\lceil\log_2\binom{K}{M}\rceil\) bits。问题是：单个比特翻转可能完全改变解码出的原子子集。例如 \(K=8, M=3\) 时，字典序索引 0 对应 \(\{0,1,2\}\)，翻转最高位变为 32 则对应 \(\{1,4,7\}\)——一个比特错误改变了全部 3 个原子。
- 设计动机：联合编码虽然压缩效率高，但将多个原子的信息耦合在一起，导致错误传播效应
Robust Turbo-DDCM:
- 功能：通过独立编码原子索引提升比特翻转鲁棒性
- 核心思路：将每个选中的原子索引独立编码为 \(\lceil\log_2 K\rceil\) bits，而非联合字典序编码。这样单个比特翻转最多只能破坏一个原子的选择。BPP 变为 \((T-1-N)(M\lceil\log_2 K\rceil + MC)\) / 像素数，比原版略高。重建质量随 \(M\) 增大的收益递减，因此虽然同等 BPP 下能编码的原子数更少，质量损失有限。
- 设计动机：在质量和鲁棒性之间做显式权衡——将错误影响局部化，以微小的压缩效率损失换取大幅的抗错能力

损失函数 / 训练策略¶

本方法是零样本的，不需要训练。使用预训练的 Stable Diffusion 2.1 作为扩散模型。压缩和解压过程完全基于码本选择的确定性算法，修改仅涉及比特流编码协议。

实验关键数据¶

主实验¶

Kodak24 数据集上 BER=\(10^{-4}\) 时的重建质量：

方法	类型	BPP	PSNR (无噪声)	PSNR (BER=1e-4)	文件损坏率
JPEG	传统	1.0	~30	严重退化	高
BPG	传统	0.5	~30	严重退化	高
ILLM	学习型	~0.1	~28	严重退化	高
StableCodec	扩散	~0.1	~25	严重退化	高
DDCM	RCC	~0.1	~24	保持良好	0%
Turbo-DDCM	RCC	~0.1	~25	轻微退化	0%
Robust T-DDCM	RCC	~0.1	~24	近乎无损	0%

消融实验¶

配置	BER=1e-4 PSNR	BER=1e-3 PSNR	BER=1e-2 文件损坏率
JPEG	严重退化	不可用	>80%
Turbo-DDCM	轻微退化	明显退化	0%
Robust Turbo-DDCM	近乎无损	近乎无损	0%
无噪声下率-失真	Turbo-DDCM 略优	—	—

关键发现¶

非 RCC 方法的 PSNR 在 BER ~\(10^{-5}\) 就开始急剧下降，而 RCC 方法退化缓慢得多
Robust Turbo-DDCM 在 BER=\(10^{-3}\) 下仍保持近乎无损的重建，其他所有方法在此噪声水平下都已严重退化或不可用
在 "文件损坏率" 指标上，非 RCC 方法在 BER ~\(10^{-2}\) 时超过 80% 文件损坏，而所有 RCC 方法在全 BER 范围内保持 0%
RCC 的鲁棒性优势并非仅因为不使用熵编码——在使用和不使用熵编码的方法组内都能观察到鲁棒性差异
无噪声条件下 Robust Turbo-DDCM 的率-失真-感知性能略逊于 Turbo-DDCM，这是鲁棒性换压缩效率的预期代价

亮点与洞察¶

发现了扩散压缩的"附赠"属性：RCC 方法不仅提供更高压缩率，还天然提供更好的比特翻转鲁棒性。这是因为压缩表示编码的是去噪轨迹的控制信号而非直接数据，小扰动仍可能产生相似轨迹
编码协议对鲁棒性至关重要：仅修改比特流编码方式（联合→独立），不改变模型架构或算法逻辑，就能获得数量级的鲁棒性提升。这提示压缩系统设计中编码协议的重要性被低估
可能颠覆传统压缩-纠错分离 pipeline：如果压缩表示本身足够鲁棒，就可以使用更弱的 ECC 甚至不用 ECC，节省带宽并简化系统设计

局限与展望¶

仅评估了二元对称信道（BSC）的独立比特翻转，未考虑突发错误或其他结构化信道模型
部分方法使用了熵编码而 DDCM/Turbo-DDCM 没有，难以完全分离表示鲁棒性和编码方案的贡献
RCC 方法的编解码速度远慢于传统编解码器（需要完整的扩散采样），实时性是实用障碍
仅在 Kodak24 和 DIV2K 上评估，未测试更大规模或更多样的图像数据集
未与联合信源信道编码（JSCC）方法进行对比

评分¶

新颖性: ⭐⭐⭐⭐ 首次系统研究扩散压缩的比特翻转鲁棒性，发现有趣且具有实际意义
实验充分度: ⭐⭐⭐⭐ 横跨多种 BER 值和压缩方法类型的系统评估，但数据集有限
写作质量: ⭐⭐⭐⭐⭐ 问题动机清晰，分析深入浅出，脆弱性原因的解释（字典序编码例子）非常直观
价值: ⭐⭐⭐⭐ 揭示了扩散压缩的新优势维度，对通信和压缩系统设计有启发价值