Task-aware Distributed Source Coding under Dynamic Bandwidth

要約

マルチセンサー ネットワークにおける通信の過負荷を最小限に抑えるには、相関データを効率的に圧縮することが不可欠です。
このようなネットワークでは、通信帯域幅が限られているため、各センサーが独立してデータを圧縮し、中央ノードに送信します。
中央ノードのデコーダはデータを解凍し、事前トレーニングされた機械学習ベースのタスクに渡して、最終出力を生成します。
したがって、タスクに関連する機能を圧縮することが重要です。
さらに、最終的なパフォーマンスは、利用可能な合計帯域幅に大きく依存します。
実際には、帯域幅の可用性が変化することが一般的であり、帯域幅が高いほどタスクのパフォーマンスが向上します。
私たちは、独立したエンコーダーと結合デコーダーで構成される新しい分散圧縮フレームワークを設計します。これをニューラル分散主成分分析 (NDPCA) と呼びます。
NDPCA は、単一モデルで複数のソースからのデータを利用可能な帯域幅に柔軟に圧縮し、コンピューティングとストレージのオーバーヘッドを削減します。
NDPCA は、低ランクのタスク表現を学習し、センサー間で帯域幅を効率的に分配することでこれを実現し、パフォーマンスと帯域幅の間で適切なトレードオフを提供します。
実験によると、NDPCA は、均一な帯域幅割り当てのオートエンコーダと比較して、マルチビュー ロボット アーム操作の成功率が 9%、衛星画像上の物体検出タスクの精度が 14% 向上します。

要約(オリジナル)

Efficient compression of correlated data is essential to minimize communication overload in multi-sensor networks. In such networks, each sensor independently compresses the data and transmits them to a central node due to limited communication bandwidth. A decoder at the central node decompresses and passes the data to a pre-trained machine learning-based task to generate the final output. Thus, it is important to compress the features that are relevant to the task. Additionally, the final performance depends heavily on the total available bandwidth. In practice, it is common to encounter varying availability in bandwidth, and higher bandwidth results in better performance of the task. We design a novel distributed compression framework composed of independent encoders and a joint decoder, which we call neural distributed principal component analysis (NDPCA). NDPCA flexibly compresses data from multiple sources to any available bandwidth with a single model, reducing computing and storage overhead. NDPCA achieves this by learning low-rank task representations and efficiently distributing bandwidth among sensors, thus providing a graceful trade-off between performance and bandwidth. Experiments show that NDPCA improves the success rate of multi-view robotic arm manipulation by 9% and the accuracy of object detection tasks on satellite imagery by 14% compared to an autoencoder with uniform bandwidth allocation.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google