华为诺亚方舟实验室在无损压缩领域取得突破性的进展，并于近期发表4篇AI顶会论文，其中3篇被NeurIPS 2021接收（其中一篇为spotlight），1篇被CVPR 2021接收。这4篇研究工作将业界的AI压缩性能提升数倍，并使模型泛化性得到了大幅提升，使得AI压缩的应用前景前进了一大步。

AI无损压缩通过AI技术准确数据的分布规律，从而大幅提升压缩率。已有的AI无损压缩工作有两大缺点，一是压缩吞吐率低，二是存在分布外数据泛化性问题，这两大问题都限制了AI无损压缩的应用前景。华为诺亚方舟实验室在无损压缩领域取得突破性的进展，在提升压缩吞吐率方面，提出两种基于流模型的高效无损压缩方法iFlow和iVPF，在取得最优压缩率的同时，压缩吞吐率提升数倍，它们分别发表在NeurIPS 2021 Spotlight和CVPR 2021。在泛化性研究上，提出OSOA和NelLoc，在泛化数据压缩取得了最优的性能，并发表在NeurIPS 2021。

四篇工作：

  • iFlow: Numerically Invertible Flows for Efficient Lossless Compression via a Uniform Coder (NeurIPS 2021 spotlight)，通过自研编码算法 UBCS及自研变换方法MST的应用，大幅降低流模型在无损压缩上的复杂度。与原SOTA算法相比，在同样取得SOTA压缩率同时，编码速度提升 5 倍，全流程压缩/解压速度提升 3.5 倍。https://arxiv.org/abs/2111.00965

  • OSOA: One-Shot Online Adaptation of Deep Generative Models for Lossless Compression (NeurIPS 2021) ，用压缩数据对压缩模型进行自适应调整，并避免了压缩模型存储，在泛化数据集上压缩率提升47%。https://arxiv.org/abs/2111.01662

  • On the out of distribution generalization of probabilistic image modelling (NeurIPS 2021) ，提出采用局部建模提升无损压缩的泛化能力，并据此提出强泛化性算法Nelloc，具有模型小，计算快，任意大小图片可用的特点。在泛化数据集上，与L3C相比，以1/7的模型大小将压缩率平均提升37%。https://arxiv.org/abs/2109.02639

  • iVPF: Numerical Invertible Volume Preserving Flow for Efficient Lossless Compression (CVPR 2021)，首次提出用保体积流的方法做无损压缩，有效结合了通用流压缩率高与整数流速度快的优点。与通用流的SOTA算法相比，在压缩率接近的情况下，压缩/解压速度提升8.7倍。https://arxiv.org/abs/2103.16211

内容中包含的图片若涉及版权问题，请及时与我们联系删除