Сжатое Обнаружение приносит что-либо новое для сжатия данных? [закрытый]

Поскольку весь смысл сжатого зондирования заключается в том, чтобы избежать проведения измерений, которые, как вы говорите, могут быть дорогостоящими, неудивительно, что коэффициент сжатия будет хуже, чем если бы реализации сжатия было позволено проводить все измерения, которые она хочет, и выбирать те, которые дают наилучший результат.

Как таковая, я очень сомневаюсь, что реализация, использующая сжатое зондирование для уже имеющихся данных (по сути, уже имеющая все измерения), даст коэффициент сжатия лучше, чем оптимальный результат.

Теперь, сказав это, можно сказать, что сжатое зондирование - это также выбор подмножества измерений, которое воспроизведет результат, похожий на оригинал при декомпрессии, но может быть лишено некоторых деталей, просто потому, что вы выбираете это подмножество. Таким образом, может оказаться, что вы действительно можете получить лучший коэффициент сжатия, чем оптимальный результат, за счет большей потери деталей. Будет ли это лучше, чем, скажем, алгоритм сжатия jpeg, где вы просто выбрасываете больше коэффициентов, я не знаю.

Кроме того, если, скажем, реализация сжатия изображений, использующая сжатое зондирование, может сократить время, необходимое для сжатия изображения из необработанных растровых данных, это может дать ей некоторый шанс в сценариях, где используемое время является дорогостоящим фактором, а уровень детализации - нет. Например.

В сущности, если вам нужно обменять скорость на качество результатов, реализация сжатого зондирования возможно, заслуживает внимания. Однако я еще не видел широкого применения этого, так что что-то подсказывает мне, что оно того не стоит, но я могу ошибаться.

Не знаю, почему вы заговорили о поиске изображений, но я не вижу, как алгоритм сжатия может помочь в поиске изображений, если только вы не будете каким-то образом использовать сжатые данные для поиска изображений. Это, вероятно, не даст того, что вы хотите, поскольку очень часто вы ищете изображения, которые содержат определенные визуальные шаблоны, но не являются 100% идентичными.

Относительно вашего вопроса "... учитывая, что данные уже находятся на компьютере - предлагает ли сжатое зондирование что-нибудь? Для Например, будет ли он предлагать лучшее сжатие данных? Приведет ли это к лучшему поиску изображений? ... "

В общем, ответ на ваш вопрос - нет, он не будет предлагать лучшее сжатие данных, по крайней мере, на начальном этапе! Это имеет место для изображений, где нелинейные схемы, такие как jpeg, работают лучше, чем сжатое зондирование, с помощью константы от 4 до 5 и исходит из константы klog (N / K), найденной в различных теоретических результатах в разных статьях.

Я сказал сначала, потому что сейчас сжатое зондирование в основном сосредоточено на концепции разреженности, но сейчас предстоит новая работа, которая пытается использовать дополнительную информацию, такую ​​как тот факт, что вейвлет-разложение происходит в сгустки, которые могут улучшить сжатие. Эта и другие работы, вероятно, обеспечат дополнительное улучшение, возможно, с возможностью приблизиться к нелинейному преобразованию, например, jpeg.

Еще вы должны помнить, что JPEG - это результат целенаправленных усилий всей отрасли и многих лет исследований. Так что действительно трудно сделать лучше, чем это, но компрессионное зондирование действительно предоставляет некоторые средства сжатия других наборов данных без необходимости в многолетнем опыте и людских ресурсах.

Наконец, есть что-то безмерно внушающее благоговение в компрессии, обнаруживаемой при восприятии компрессии. Он универсален, это означает, что прямо сейчас вы можете «декодировать» изображение до определенного уровня детализации, а затем через десять лет, используя те же данные, вы можете фактически «декодировать» лучшее изображение / набор данных (это с оговоркой, что информация была там в первую очередь), потому что ваши решатели будут лучше. Вы не можете сделать это с jpeg или jpeg2000, потому что данные, которые сжимаются, внутренне связаны со схемой декодирования.

(раскрытие: я пишу небольшой блог о сжатых данных)

Одним из преимуществ сжатия со сжатием является то, что воспринимаемый сигнал не только сжимается, но и зашифровывается. Единственный способ восстановить опорный сигнал на основе полученного им сигнала - это выполнить оптимизацию (линейное или выпуклое программирование) оценки опорного сигнала при применении к базису.

Предлагает ли он лучшее сжатие данных? Это будет зависеть от приложения. Во-первых, он будет работать только с разреженными опорными сигналами, что означает, что он, вероятно, применим только к сжатию изображений, аудио, радиочастотных сигналов и не применим к общему сжатию данных. В некоторых случаях может быть возможно получить лучшую степень сжатия, используя сжатие, чем другие подходы, а в других случаях это не так. Это зависит от характера воспринимаемого сигнала.

Приведет ли это к лучшему поиску изображений? Я не сомневаюсь, что отвечу на этот «нет». Поскольку воспринимаемый сигнал одновременно сжат и зашифрован, практически невозможно восстановить опорный сигнал из считываемого сигнала без «ключа» (базисной функции). В тех случаях, когда доступна базовая функция, опорный сигнал все равно необходимо реконструировать для выполнения любого вида обработки изображения / идентификации / описания объекта или тому подобного.