基于神经网络的太阳动力学观测仪图像视频压缩
图像与视频处理
2024-07-23 v1 天体物理仪器与方法
计算机视觉与模式识别
信息论
math.IT
摘要
NASA的太阳动力学观测仪（SDO）任务收集大量数据以监视太阳的日常活动。在航天任务设计中，数据压缩在解决限额遥测速率带来的挑战方面发挥着关键作用。数据压缩的主要目标是实现高效的数据管理和传输，以在受限的带宽下进行操作，确保捕获关键信息的同时优化可用资源的利用。本文引入一种神经视频压缩技术，为SDO图像数据收集实现高压缩比。该方法侧重于利用数据中的时域和空间冗余性，从而实现更高效的压缩。本 work 引入基于Transformer模型的体系结构，专为有效且高效地捕获输入图像中的局部和全局信息而设计。此外，网络配备了熵模型，可准确建模潜在表示的概率分布，并提高熵解码步骤的速度。该熵模型利用通道依赖方法，运用棋盘状的局部和全局空间上下文。通过将基于Transformer的视频压缩网络与我们熵模型结合，所提出的压缩算法在实验结果中显示优于传统视频编解码器如H.264和H.265。
引用
@article{arxiv.2407.15730,
title = {Neural-based Video Compression on Solar Dynamics Observatory Images},
author = {Atefeh Khoshkhahtinat and Ali Zafari and Piyush M. Mehta and Nasser M. Nasrabadi and Barbara J. Thompson and Michael S. F. Kirk and Daniel da Silva},
journal= {arXiv preprint arXiv:2407.15730},
year = {2024}
}