May, 2024
UniCompress：基于知识蒸馏的多数据医学图像压缩增强
UniCompress: Enhancing Multi-Data Medical Image Compression with Knowledge Distillation
Runzhao Yang, Yinda Chen, Zhihong Zhang, Xiaoyu Liu, Zongren Li...
TL;DR通过使用一种名为 ``UniCompress'' 的新方法，我们扩展了医学图像压缩领域的 Implicit Neural Representation（INR）网络的压缩能力，该方法首次使用一个 INR 网络压缩多个医学数据块。我们的研究引入了一种新的基于波变换和量化的技术，该技术将频域信息作为先验输入到 INR 网络中，并简化了复杂模型知识以提高压缩比。在 CT 和电子显微镜（EM）数据集的大量测试中，我们证明了 UniCompress 在复杂和高压缩场景中的性能优于传统 INR 方法和商业压缩解决方案。值得注意的是，与现有的 INR 技术相比，UniCompress 在压缩速度上实现了 4 到 5 倍的增加，标志着医学图像压缩领域的重大进展。代码将公开使用。