PulseAugur
实时 22:17:31

EVOLVE框架为科学数据提供高效学习式体积压缩

研究人员开发了EVOLVE,一个新颖的基于自编码器的框架,用于高效学习式体积压缩。该系统利用一个大型的跨领域科学模拟数据数据库来训练一个能够提取可泛化特征的模型。EVOLVE包含一个可学习的增益机制和一个三阶段训练策略,以实现可变速率编码,从而在推理时能够连续调整压缩比。实验表明,EVOLVE在可比质量下实现了比传统方法更高的压缩比,并且比现有的隐式神经表示技术快得多。 AI

影响 这项新的压缩技术可以显著降低大规模科学模拟的存储和带宽需求。

排序理由 这是一篇详细介绍一种新体积压缩方法的学术论文。

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

EVOLVE框架为科学数据提供高效学习式体积压缩

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Kaiyuan Tang, Maizhe Yang, Chaoli Wang ·

    EVOLVE:高效学习的变率编码跨域数据库体积压缩技术

    arXiv:2607.18187v1 Announce Type: cross Abstract: Large-scale scientific simulations generate volumetric data at rates that far outpace advances in storage and network bandwidth, making effective lossy compression increasingly critical. However, conventional compressors often str…