机器学习时代的分布式压缩：近期进展综述

从相机阵列到传感器网络的许多应用都需要对通常以分布式方式收集的相关数据进行高效压缩和处理。虽然分布式压缩的信息论基础已得到充分研究，但该理论在面向实践的应用中的影响至今仍然有限。随着数据压缩领域因基于学习的技术出现而发生变革，机器学习已成为实现分布式压缩长期承诺优势的重要工具。在本文中，我们综述了针对抽象源和图像的习得式分布式压缩技术这一广泛领域的近期贡献。特别是，我们讨论了提供可解释结果且运行接近信息论界限的方法。我们还强调了未解决的研究挑战，旨在激发人们对习得式分布式压缩领域的新兴趣和进展。