一种基于大模型的数字化混合编码方法

本发明公开了一种基于大模型的数字化混合编码方法，包括如下步骤：S1、对待编码数据进行预处理；S2、采用扩散模型驱动的特征学习方法对预处理数据进行特征编码；S3、对特征编码数据进行神经网络编码，并基于可变比特率量化方法动态调整编码比特数；S4、对神经网络编码数据进行自适应熵编码，基于归一化流熵编码方法进行概率密度变换；S5、对熵编码数据进行离散变换编码，采用层次化子块量化方法针对不同频率成分执行分级量化；S6、基于A3C优化变换编码数据的码长分配和熵编码参数，利用知识蒸馏方法从扩散模型中提取轻量级编码模型，生成最终优化编码数据。本发明通过混合编码与动态优化策略，显著提高了数据压缩效率和编码质量。