Introducción a la compresión neuronal de datos

Título original:

An Introduction to Neural Data Compression

Contenido del libro:

El objetivo de la compresión de datos es reducir el número de bits necesarios para representar información útil. La compresión neuronal, o aprendida, es la aplicación de redes neuronales y técnicas de aprendizaje automático relacionadas a esta tarea.

Esta monografía pretende servir de punto de entrada a los investigadores en aprendizaje automático interesados en la compresión, revisando los antecedentes previos y los métodos representativos de la compresión neuronal. La compresión neuronal es la aplicación de redes neuronales y otros métodos de aprendizaje automático a la compresión de datos. Los recientes avances en el aprendizaje automático estadístico han abierto nuevas posibilidades para la compresión de datos, permitiendo que los algoritmos de compresión se aprendan de principio a fin a partir de los datos utilizando potentes modelos generativos como los flujos normalizadores, los autocodificadores variacionales, los modelos probabilísticos de difusión y las redes generativas adversariales.

Esta monografía introduce este campo de investigación a un público más amplio de aprendizaje automático, revisando los antecedentes necesarios en teoría de la información (por ejemplo, codificación de entropía, teoría de la tasa de distorsión) y visión por ordenador (por ejemplo, evaluación de la calidad de la imagen, métricas perceptivas), y proporcionando una guía curada a través de las ideas y métodos esenciales en la literatura hasta el momento. En lugar de hacer un recorrido por la vasta literatura, se cubren los conceptos y métodos esenciales de la compresión neuronal, pensando en un lector versado en el aprendizaje automático pero no necesariamente en la compresión de datos.