13日前
iFlow:一様コーダを用いた効率的な無損失圧縮のための数値的に逆写像可能なフロー
Shifeng Zhang, Ning Kang, Tom Ryder, Zhenguo Li

要約
2020年には世界で約59 ZB(5.9 × 10¹³ GB)のデータが生成されたと推定されており、これによりデータ保存および伝送にかかるコストが著しく増大している。幸いなことに、最近の深層生成モデルの進展により、「ニューラル圧縮」と呼ばれる新たな圧縮アルゴリズムのクラスが登場し、従来のコーデックと比べて圧縮比において顕著な優位性を示している。しかし、ニューラル圧縮の商業的応用は、帯域幅の制限によりほとんど進んでいない。そのため、極めて効率的なフレームワークの開発は、実用上極めて重要な課題である。本論文では、高い圧縮比を実現する能力が示されたノルム化フロー(normalizing flows)を用いた無損失圧縮について検討する。その上で、効率的な無損失圧縮を実現する新しい手法iFlowを提案する。まず、モジュラースケール変換(Modular Scale Transform, MST)と、MSTに基づく新しい数値的に逆変換可能なフロー変換の族を導入する。次に、iFlowに統合された高速な均一分布コーデックである均一基底変換システム(Uniform Base Conversion System, UBCS)を提案し、効率的な圧縮を実現する。iFlowは最先端の圧縮比を達成しており、他の高性能な手法と比べて5倍速い。さらに、本論文で提示する技術は、フローに基づくアルゴリズムの広範なクラスにおける符号化時間の高速化にも応用可能である。