SCI：一种面向生物医学数据的频谱集中式隐式神经压缩方法
图像与视频处理
2022-11-24 v5 计算机视觉与模式识别
摘要
生物医学数据的大规模采集与爆发式增长，要求有效的压缩以实现高效存储、传输与共享。现成的视觉数据压缩技术虽经广泛研究，但专为自然图像/视频设计，因而在特征不同、多样性更大的生物医学数据上表现有限。新兴的隐式神经表示（INR）正获得关注，并展现出以目标数据定制方式拟合多样视觉数据的高潜力，但迄今仍缺乏覆盖多样生物医学数据的通用压缩方案。为解决此问题，我们首先推导了 INR 频谱集中性质的数学解释，以及对基于 INR 的压缩器设计的分析性洞见。进一步，我们提出频谱集中式隐式神经压缩（SCI），其自适应地将复杂生物医学数据划分为匹配 INR 集中频谱包络的块，并设计了一种漏斗形神经网络，能以少量参数表示每个块。基于该设计，我们在给定预算下通过优化进行压缩，并分配可用参数以获得高表示精度。实验显示，在多样生物医学数据上，SCI 相对于包括商业压缩器、数据驱动方法以及基于 INR 的同类方法等最先进方法均具有更优性能。源代码见 https://github.com/RichealYoung/ImplicitNeuralCompression.git。
引用
@article{arxiv.2209.15180,
title = {SCI: A Spectrum Concentrated Implicit Neural Compression for Biomedical Data},
author = {Runzhao Yang and Tingxiong Xiao and Yuxiao Cheng and Qianni Cao and Jinyuan Qu and Jinli Suo and Qionghai Dai},
journal= {arXiv preprint arXiv:2209.15180},
year = {2022}
}
备注
accepted to AAAI2023