論文の概要: Image Storage on Synthetic DNA Using Autoencoders

• arxiv url: http://arxiv.org/abs/2203.09981v1
• Date: Fri, 18 Mar 2022 14:17:48 GMT
• ステータス: 処理完了
• システム内更新日: 2022-03-21 17:46:05.104862
• Title: Image Storage on Synthetic DNA Using Autoencoders
• Title（参考訳）: オートエンコーダを用いた合成DNAの画像保存
• Authors: Xavier Pic and Marc Antonini
• Abstract要約: 本稿では,DNAデータ記憶に適応した畳み込みオートエンコーダを用いた画像圧縮手法について述べる。 ここで提示されたモデルアーキテクチャは、画像を効率よく圧縮し、それを第四次コードにエンコードし、最終的に合成DNA分子に格納するように設計されている。
• 参考スコア（独自算出の注目度）: 6.096779295981377
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Over the past years, the ever-growing trend on data storage demand, more specifically for "cold" data (rarely accessed data), has motivated research for alternative systems of data storage. Because of its biochemical characteristics, synthetic DNA molecules are now considered as serious candidates for this new kind of storage. This paper presents some results on lossy image compression methods based on convolutional autoencoders adapted to DNA data storage. The model architectures presented here have been designed to efficiently compress images, encode them into a quaternary code, and finally store them into synthetic DNA molecules. This work also aims at making the compression models better fit the problematics that we encounter when storing data into DNA, namely the fact that the DNA writing, storing and reading methods are error prone processes. The main take away of this kind of compressive autoencoder is our quantization and the robustness to substitution errors thanks to the noise model that we use during training.
• Abstract（参考訳）: 過去数年間、データストレージの需要は増加傾向にあり、特に"コールド"データ(かなりアクセスされたデータ)は、データストレージの代替システムの研究を動機付けてきた。 生化学的特徴から、合成DNA分子は、この新しいタイプの貯蔵の真剣な候補とみなされている。 本稿では,DNAデータ記憶に適応した畳み込みオートエンコーダを用いた画像圧縮手法について述べる。 ここで提示されたモデルアーキテクチャは、画像を効率よく圧縮し、それを第四次コードにエンコードし、最終的に合成DNA分子に格納するように設計されている。 この研究は、圧縮モデルがDNAにデータを格納する際に発生する問題、すなわちDNAの書き込み、保存、読み取りがエラーを起こしやすいプロセスに適合させることも目標としている。 この種の圧縮オートエンコーダの主な特徴は、トレーニング中に使用するノイズモデルにより、我々の量子化と、エラーの置換に対する堅牢性である。

関連論文リスト

• A Bird-Eye view on DNA Storage Simulators [0.0]
  そこで本研究では,異なる領域でDNAストレージシミュレーションを行うソフトウェアについて概説する。 ドメイン、実装技術、顧客/商業的ユーザビリティに基づいて、3つの異なるソフトウェアを提示する。
  論文  参考訳（メタデータ） (2024-04-07T08:46:42Z)
• Neural-based Compression Scheme for Solar Image Data [8.374518151411612]
  我々は、NASAのデータ集約画像ミッションで使用されるニューラルネットワークに基づく損失圧縮手法を提案する。 本研究では,画像の局所構造と大域構造の両方を捉えるために,局所的および非局所的アテンションモジュールを備えた逆トレーニングニューラルネットワークを提案する。 このアルゴリズムをSDOデータ解析に使用するための概念実証として、圧縮画像を用いてコロナホール(CH)検出を行った。
  論文  参考訳（メタデータ） (2023-11-06T04:13:58Z)
• Implicit Neural Multiple Description for DNA-based data storage [6.423239719448169]
  DNAは、ストレージ密度と長期的な安定性のために、データストレージソリューションとして大きな可能性を秘めている。 しかし、この新素材の開発には、特に貯蔵や生物学的操作によるエラーに対処する上で、独自の課題が伴う。 我々は,DNAデータ記憶にニューラルネットワークを利用する,新しい圧縮手法と最先端の多重記述符号化(MDC)技術を開発した。
  論文  参考訳（メタデータ） (2023-09-13T13:42:52Z)
• DNA data storage, sequencing data-carrying DNA [2.4493299476776778]
  深部モデルサイズと誤り訂正符号の精度トレードオフについて検討する。 モデルサイズが107MBから始めると、単純な誤り訂正符号を用いることで、モデル圧縮による精度の低下を補償できることが示される。
  論文  参考訳（メタデータ） (2022-05-11T13:31:57Z)
• Memory Replay with Data Compression for Continual Learning [80.95444077825852]
  古いトレーニングサンプルの記憶コストを低減するため,データ圧縮によるメモリリプレイを提案する。 我々はこれを、クラスインクリメンタル学習のいくつかのベンチマークと、自律運転のためのオブジェクト検出の現実的なシナリオにおいて、広範囲に検証する。
  論文  参考訳（メタデータ） (2022-02-14T10:26:23Z)
• COIN++: Data Agnostic Neural Compression [55.27113889737545]
  COIN++は、幅広いデータモダリティをシームレスに扱うニューラルネットワーク圧縮フレームワークである。 様々なデータモダリティを圧縮することで,本手法の有効性を示す。
  論文  参考訳（メタデータ） (2022-01-30T20:12:04Z)
• Single-Read Reconstruction for DNA Data Storage Using Transformers [0.0]
  エンコーダ・デコーダ・トランスフォーマアーキテクチャを用いたDNAベースのデータストレージのためのシングルリード再構成手法を提案する。 本モデルでは,DNA鎖の1つの読み取りから元のデータを再構成する際の誤り率を低くする。 これは、DNAベースのストレージにおけるシングルリード再構築にディープラーニングモデルを使用した最初のデモンストレーションである。
  論文  参考訳（メタデータ） (2021-09-12T10:01:59Z)
• Deep DNA Storage: Scalable and Robust DNA Storage via Coding Theory and Deep Learning [49.3231734733112]
  シミュレーションデータに基づいてトレーニングされたDeep Neural Networks(DNN)、Product(TP)ベースのエラー修正コード(ECC)、安全マージンを1つのコヒーレントパイプラインに組み合わせたモジュラーで総合的なアプローチを示す。 我々の研究は, 最大で x3200 の速度向上, 40%の精度向上により, 現在の指導的ソリューションの改善を実現し, 高雑音下では1ベースあたり1.6ビットのコードレートを提供する。
  論文  参考訳（メタデータ） (2021-08-31T18:21:20Z)
• Towards Robust Data Hiding Against (JPEG) Compression: A Pseudo-Differentiable Deep Learning Approach [78.05383266222285]
  これらの圧縮に対抗できるデータ隠蔽の目標を達成することは、依然としてオープンな課題である。 ディープラーニングはデータの隠蔽に大きな成功を収めていますが、JPEGの非差別化性は、損失のある圧縮に対する堅牢性を改善するための深いパイプラインのトレーニングを困難にしています。 本稿では,上記の制約をすべて一度に解決するための,単純かつ効果的なアプローチを提案する。
  論文  参考訳（メタデータ） (2020-12-30T12:30:09Z)
• Analyzing and Mitigating JPEG Compression Defects in Deep Learning [69.04777875711646]
  本稿では,JPEG圧縮が共通タスクやデータセットに与える影響を統一的に検討する。 高圧縮の一般的なパフォーマンス指標には大きなペナルティがあることが示される。
  論文  参考訳（メタデータ） (2020-11-17T20:32:57Z)
• Modeling Lost Information in Lossy Image Compression [72.69327382643549]
  ロスシー画像圧縮は、デジタル画像の最もよく使われる演算子の1つである。 Invertible Lossy Compression (ILC) と呼ばれる新しい非可逆的フレームワークを提案する。
  論文  参考訳（メタデータ） (2020-06-22T04:04:56Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。