- 压缩误差反馈实现高效垂直联邦学习
提出了一种错误反馈压缩式纵向联邦学习(EFVFL)方法,该方法通过利用错误反馈,在满批次情况下实现了 $\mathcal {O}(1/T)$ 的收敛速度,改善了垂直 FL 中压缩方法的收敛速度,并且与未压缩的方法相匹配,同时支持使用私有标签 - 基于染色卷积的 HE 染色组织病理图像学习式压缩
我们提出了一种基于深度学习的组织病理学数据压缩方法,通过压缩染色和 RGB 通道,并结合压缩自编码器来获得量化的潜在表示,从而在分类任务中展现出卓越的性能,同时基本保留了图像质量。
- 可直接在压缩数组上执行的操作及误差是多少?
我们开发了一种损失压缩器,可在压缩数据的同时直接执行基本操作,具有良好的压缩比和适度的误差。通过在三个非平凡应用中进行评估,我们的结果表明,在可接受的限度内,压缩域操作在问题规模上具有良好的可扩展性。据我们所知,这是第一种既支持压缩域操作, - 机器感知质量:评估严重有损压缩对音频和图像模型的影响
神经数据压缩中,以机器为导向的压缩方式对于机器感知任务具有可行性,并且与深度相似度度量相关,在机器感知质量的发展中扮演重要角色。
- 科学数据的时空自适应压缩与特征保留 -- 以极端气候事件分析为例的案例研究
以自适应误差控制的时空自适应压缩为基础,该研究提出了一种解决存储成本问题的新技术,在提高后续分析精度的同时,通过减少数据精度和增加时间步长频率,实现了更准确的分析结果。通过与现有方法进行比较,该方法在中等和大的压缩比下提高了 26.4-51 - 基于神经网络的太阳图像数据压缩方案
研究太阳系特别是太阳依赖于每天从太空任务中收集到的数据。本文提出了一种基于神经网络的有损压缩方法,用于 NASA 的数据密集型成像任务,该方法在压缩极紫外(EUV)数据时,在速率失真(RD)性能方面优于当前使用和最先进的编解码器如 JPEG - 用 Wasserstein 梯度下降估计率失真函数
基于 Wasserstein 梯度下降算法的新型 R-D 估计器,能够比现有神经网络方法更有效地在低速率源上获得可比或更严格的界限,同时需要较少的调整和计算工作。
- 基于边缘辅助的 LiDAR 感知在有损点云压缩中的鲁棒性提升
我们提出了一种基于深度梯度的插值算法,用于改善 LiDAR 点云的质量,以减轻由于有损压缩导致的感知性能损失。与现有图像插值算法相比,我们的算法在从插值后的范围图像重建点云时显示出更好的定性结果。
- 基于分层自编码器的大规模高分辨率科学数据有损压缩
我们提出了一个神经网络模型,能够在不牺牲重建质量的情况下,显著压缩大规模科学数据,并在公开的科学基准数据集和高分辨率气候模型数据集上进行了测试,达到了 140 的压缩比和可忽略的重建误差。
- 信息瓶颈普通微分方程:一阶根跟踪用于 IB
本研究提出了一种数值算法来解决信息瓶颈问题,该算法通过理解信息编码动态和 bifurcation 类型的变化,沿着最优曲线追踪解决方案的轨迹。
- 大规模射电干涉数据的有损压缩
提出了一种基于基线相关的有损压缩技术,可以将能见度数据进行压缩,并且利用矩阵秩的关系以及低秩逼近的方法来描述原始数据,并将其表示为基线数据矩阵的集合,其中每个基本分量分别对应于天空分布的特定傅里叶分量。该方法可以有效压缩数据并且在空间分辨率 - AAAI自不对称可逆网络用于压缩感知图像缩放
本文提出了用于压缩感知图像重缩放的 SAIN 网络,通过对失去信息(包括缩小和压缩)的分布进行经验分析,使用各向同性高斯混合分布建模,并提出增强的可逆块,以在一个前向传递中导出高质量 / 压缩的 LR 图像。在标准图像压缩格式(JPEG 和 - ResFed: 通过传输深度压缩残差实现通信高效的联邦学习
提出一种基于残差的联邦学习(ResFed)框架,通过稀疏化和量化残差,实现通信效率的提高,大大减少了在无线网络中应用联邦学习所需要的大量通信成本。
- IQUAFLOW:一个衡量图像质量的新框架
IQUAFLOW 是一个新的图像质量框架,提供了一套工具来评估图像质量,可以通过使用 AI 模型的性能作为代理来测量质量,Wrapped in Mlflow。
- ICML大数据的轻盈承载:走向大规模科学机器学习的公共数据集
通过在一个 petascale CFD 模拟的数据上进行实验,我们证明了深度学习模型可以通过有损压缩的数据来训练和测试。我们构建和评估了一个大数据框架的要求,以展示有损压缩算法对于科学数据建立社区数据集的现实途径。
- ICML最优可控感知有损压缩
本文基于最小均方误差(MSE)和构造的完美感知解码器之间的输出进行线性插值实现失真和感知质量之间的权衡,提出了两个理论优化的训练框架,并通过实验证明这些框架在实际感知解码中不仅具有理论上的优越性,而且还能产生最先进的性能。
- 高斯扩散下的有损压缩
本研究提出了一种基于无条件扩散生成模型的新型有损压缩方法 DiffC,该方法仅利用受高斯噪声污染的像素的有效通信来限制所需传输信息,具有压缩比 HiFiC 更高的性能表现,并提供流式解码支持,并进一步分析了其性能和一些理论界限。
- ICML压缩异步梯度下降的轻量级投影导数编码
该论文提出了一种新的算法,利用编码理论将局部导数进行编码和压缩,用于解决大规模数据集梯度下降过程中的延迟和其他故障。
- MM点云几何压缩的基于补丁的深度自编码器
本文提出了一种基于块的压缩算法,使用深度学习对点云的几何信息进行有损压缩,并取得了优于现有算法的压缩比。该算法在编解码时将点云划分为块进行压缩,使用局部重构误差作为优化标准,保证压缩后的点数与原始数据相等。同时,该算法的网络模型还可方便地应 - ICMLEDEN:面向联邦学习的通信高效、鲁棒性强的分布式均值估计
本论文提出了一种名为 EDEN 的鲁棒性分布式平均估计技术,能够自然地处理各种异构的网络通信条件和数据包损失,得到了令人满意的理论保证,并证明了其在实践中优于现有技术。