Tavondo
竞赛活动指南平台
English开始匹配
竞赛活动指南平台
English登录
Tavondo

发现值得投入的 AI 竞赛与活动。

竞赛活动指南平台
登录注册开始匹配

© 2026 Tavondo

English
  1. 首页
  2. 竞赛
  3. 基于昇腾310 NPU的高效高质量图像压缩算法开发挑战赛
OpenAtom计算机视觉入门报名状态待确认

基于昇腾310 NPU的高效高质量图像压缩算法开发挑战赛

一场入门难度的计算机视觉竞赛,预计投入 6–16 小时,适合用真实赛题完成一次端到端练习。

难度
入门
预计投入
6–16 小时
报名截止
待官方确认
算力
仅 CPU
概览参赛准备来源

概览

这场竞赛适合谁

适合已有计算机视觉与图像编码基础、能在昇腾310 NPU上开发和优化代码的开发者或小团队。尤其适合处理遥感影像、原始多位深图像,或有神经网络压缩/传统压缩与AI混合方案经验的人。

查看官方简介原文
图像压缩技术在数字时代至关重要,广泛应用于遥感、医疗、数字媒体、通信等领域。随着AI、深度学习等技术的发展,图像压缩正从传统编码(如JPEG、JPEG2000)向智能压缩(如基于扩散模型、神经网络的编码)演进。通过赛事推动边缘侧高效图像压缩技术的落地,助力解决“存储成本高、带宽受限、实时性不足”等社会痛点。 Official category: 实战竞技赛. Organizers: 华为技术有限公司. Competition code: 2025OAC028. Participants: 199.

参赛准备

从报名到首次提交的准备步骤

  1. 01

    昇腾310 NPU开发

  2. 02

    多位深图像处理

  3. 03

    图像压缩编码

  4. 04

    Python或C++

  5. 05

    模型量化配置

  6. 06

    PSNR与SSIM评测

投入前确认:难点不只是提高压缩质量,而是在指定NPU算力和测试集上同时满足压缩比、图像质量与压缩速率目标。提交还必须包含可运行的昇腾310适配代码、预训练模型、量化配置,以及展示实时压缩效果的演示视频;且不能直接调用现成压缩库。

来源

本页信息如何得到

赛题信息由官方页面抓取后结构化整理,评分为平台估算,仅用于辅助判断,最终规则以官方页面为准。

官方赛事页
OpenAtom
最后核对
2025年8月20日

参赛判断

est.
72

值得加入候选

综合适配度评分

新手适配度72/100
学习价值70/100

先确认资格和时间投入,再决定是否进入正式准备。

参赛资格待官方确认

打开官方页面登录后保存去看指南

数据与审核状态

把已确认、待核对和人工审核状态分开看;最终规则与截止时间以官方页为准。

查看数据状态收起
来源页面已核验Metric 已确认已审核
来源发布时间
2025年8月20日
来源创建时间
2025年8月20日
本站纳入时间
2026年7月21日

官方 metric 还没有从当前抓取结果中确认,仍需人工核对。

reward_value_usd is a rough CNY→USD estimate (×0.14) for ranking only; use reward_summary for the official prize text.