在多媒体技术和互联网高速发展的现在，高清晰度、大尺寸图片越来越被人们所需要，然而高清晰度、大尺寸带来的问题也随之出现：存储图像所需的空间成本大大增加，以及传输图像所需的时间成本大幅攀升。
为了保证图像失真尽可能少的情况下，用更少的网络带宽传输图像或者用更少的空间存储图像，2023年初，我校章为川教授联合青岛认知人工智能研究院黄杰研究员提出了一个注意力再注意力的非线性变换端到端网络架构来代替线性变换作为图像和视频压缩的主体架构。该成果较好的应用于浙江某银行业务单据压缩，该行在全省有支行82个，网点大约4000个，平均每个支行每天产生的业务流水单据图片数据量约20GB；总行拟对全省82家支行业务流水单据进行统一管理，通过对这些业务单据数据进行压缩，降低支行到总行的传输带宽投入，以及总行的存储设备投入。每年为该银行直接节省成本1217万元。并且该成果已应用于三一重工昆山园区的视频压缩。该园区建设有视频监控7000路，且均为800万超高清像素，视频时长需保存90天，存储投入成本巨大，经压缩系统压缩后，微动态场景下，可将视频码率从4M压缩到150K左右，复杂动态场景下，可将视频码率从4M压缩到800K以内，画质肉眼无法区分；降低了厂区存储成本投入以及前端网络带宽总费用节省近1000万。
（核稿：强涛涛 编辑：刘倩）
陕公网安备 61011202000334号