SCI: A Spectrum Concentrated Implicit Neural Compression for Biomedical Data

要約

生物医学データの大規模な収集と爆発的な増加には、効率的な保存、送信、共有のための効果的な圧縮が必要です。
すぐに利用できる視覚データ圧縮技術は広範囲に研究されていますが、自然な画像/ビデオに合わせて調整されているため、さまざまな機能とより大きな多様性を持つ生物医学データに対して限られたパフォーマンスしか示していません。
新興の暗黙的ニューラル表現 (INR) は勢いを増しており、多様な視覚データをターゲット データ固有の方法でフィッティングする可能性が高いことを示していますが、多様な生物医学データをカバーする一般的な圧縮方式はこれまでのところありません。
この問題に対処するために、まず、INR のスペクトル集中特性の数学的説明と、INR ベースのコンプレッサーの設計に関する分析的洞察を導き出します。
さらに、複雑な生物医学データを INR の集中スペクトル包絡線に一致するブロックに適応的に分割し、各ブロックを少数のパラメーターで表すことができる漏斗状のニューラル ネットワークを設計するスペクトル集中暗黙的ニューラル圧縮 (SCI) を提案します。
この設計に基づいて、与えられた予算の下で最適化による圧縮を行い、表現精度の高い使用可能なパラメーターを割り当てます。
この実験は、商用コンプレッサー、データ駆動型コンプレッサー、多様な生物医学データに対する INR ベースのカウンターパートを含む最先端の方法に対する SCI の優れた性能を示しています。
ソース コードは https://github.com/RichealYoung/ImplicitNeuralCompression.git にあります。

要約(オリジナル)

Massive collection and explosive growth of biomedical data, demands effective compression for efficient storage, transmission and sharing. Readily available visual data compression techniques have been studied extensively but tailored for natural images/videos, and thus show limited performance on biomedical data which are of different features and larger diversity. Emerging implicit neural representation (INR) is gaining momentum and demonstrates high promise for fitting diverse visual data in target-data-specific manner, but a general compression scheme covering diverse biomedical data is so far absent. To address this issue, we firstly derive a mathematical explanation for INR’s spectrum concentration property and an analytical insight on the design of INR based compressor. Further, we propose a Spectrum Concentrated Implicit neural compression (SCI) which adaptively partitions the complex biomedical data into blocks matching INR’s concentrated spectrum envelop, and design a funnel shaped neural network capable of representing each block with a small number of parameters. Based on this design, we conduct compression via optimization under given budget and allocate the available parameters with high representation accuracy. The experiments show SCI’s superior performance to state-of-the-art methods including commercial compressors, data-driven ones, and INR based counterparts on diverse biomedical data. The source code can be found at https://github.com/RichealYoung/ImplicitNeuralCompression.git.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google