量子科技中心_量科网

该研究团队提出MPM-QIR框架——一种基于变分量子电路（VQC）的经典图像压缩与表征方法，其核心目标是在更低参数压缩比（PCR）下实现同等或更优的重建质量。该方法通过将生成式VQC的测量概率分布与归一化像素强度对齐，并通过对扁平化像素阵列的有序映射隐式学习位置信息，从而消除显式坐标量子比特，使压缩效率直接与电路（拟设）复杂度挂钩。双向卷积架构在浅层深度实现长程纠缠，以更少参数捕获全局图像相关性。在统一协议下，该方法在多个基准测试中实现PSNR≥30 dB且PCR更低：MNIST数据集达31.80 dB/SSIM 0.81（PCR 0.69）、Fashion-MNIST达31.30 dB/0.91（PCR 0.83）、CIFAR-10达31.56 dB/0.97（PCR 0.84）。该压缩优先设计整体提升了参数效率，验证了VQC作为经典图像压缩直接有效生成模型的可行性，并兼容经典编解码器的两阶段处理流程，且可扩展至二维以外图像领域。