高能效图像存储：利用超分辨率生成对抗网络实现可持续压缩与减少碳足迹
图像与视频处理
2024-04-09 v1 人工智能
机器学习
摘要
近年来，云存储解决方案的大规模采用彻底改变了我们对数字数据存储的看法。然而，数据量（尤其是图像）的指数级增长引发了对电力和资源消耗以及不断上升的数字碳足迹排放的环境担忧。本研究旨在提出一种基于云的图像存储方法，将图像压缩技术与超分辨率生成对抗网络（SRGAN）相结合。我们的方法不是将图像以其原始格式直接存储在云端，而是在存储前通过压缩和缩小技术初步减小图像尺寸。在请求时，这些压缩图像将被检索并由 SRGAN 处理以生成图像。所提方法的有效性通过 PSNR 和 SSIM 指标进行评估。此外，还给出了用于计算功耗和碳足迹评估的数学分析。所提数据压缩技术提供了一个重要的解决方案，以在环境可持续性和工业效率之间实现合理的权衡。
引用
@article{arxiv.2404.04642,
title = {Power-Efficient Image Storage: Leveraging Super Resolution Generative Adversarial Network for Sustainable Compression and Reduced Carbon Footprint},
author = {Ashok Mondal and Satyam Singh},
journal= {arXiv preprint arXiv:2404.04642},
year = {2024}
}
备注
5 pages, 5 figures