論文の概要: RDD: Pareto Analysis of the Rate-Distortion-Distinguishability Trade-off
- arxiv url: http://arxiv.org/abs/2509.24805v1
- Date: Mon, 29 Sep 2025 13:55:35 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-09-30 22:32:20.030095
- Title: RDD: Pareto Analysis of the Rate-Distortion-Distinguishability Trade-off
- Title（参考訳）: RDD:Palto Analysis of the Rate-Distortion-Distinguishability Trade-off
- Authors: Andriy Enttsel, Alex Marchioni, Andrea Zanellini, Mauro Mangia, Gianluca Setti, Riccardo Rovatti,
- Abstract要約: 本稿では,圧縮の有効性,歪み量,圧縮正規信号と圧縮異常信号との差について述べる。
- 参考スコア（独自算出の注目度）: 2.7708222692419735
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Extensive monitoring systems generate data that is usually compressed for network transmission. This compressed data might then be processed in the cloud for tasks such as anomaly detection. However, compression can potentially impair the detector's ability to distinguish between regular and irregular patterns due to information loss. Here we extend the information-theoretic framework introduced in [1] to simultaneously address the trade-off between the three features on which the effectiveness of the system depends: the effectiveness of compression, the amount of distortion it introduces, and the distinguishability between compressed normal signals and compressed anomalous signals. We leverage a Gaussian assumption to draw curves showing how moving on a Pareto surface helps administer such a trade-off better than simply relying on optimal rate-distortion compression and hoping that compressed signals can be distinguished from each other.
- Abstract（参考訳）: 大規模な監視システムは、通常、ネットワーク送信のために圧縮されたデータを生成する。
この圧縮されたデータは、異常検出などのタスクのためにクラウドで処理される可能性がある。
しかし、圧縮は、情報損失による規則的なパターンと不規則なパターンを区別する検出器の能力を損なう可能性がある。
ここでは、[1]で導入された情報理論の枠組みを拡張し、システムの有効性が依存する3つの特徴、すなわち、圧縮の有効性、それが導入する歪み量、圧縮された正規信号と圧縮された異常信号の識別可能性のトレードオフを同時に解決する。
ガウスの仮定を利用して、パレート面上での移動が、単に最適な速度歪み圧縮に頼らず、圧縮信号が互いに区別できることを期待して、そのようなトレードオフを管理するのにどのように役立つかを示す曲線を描く。
関連論文リスト
- Once-for-All: Controllable Generative Image Compression with Dynamic Granularity Adaptation [52.82508784748278]
本稿では,制御生成画像圧縮フレームワークである制御-GICを提案する。
制御-GICは、高忠実度と一般性圧縮を確保しつつ、広帯域での微粒化適応を可能にする。
実験により,制御-GICは高い柔軟かつ制御可能な適応を可能にし,その結果が最近の最先端手法よりも優れた性能を示した。
論文 参考訳（メタデータ） (2024-06-02T14:22:09Z) - Compression of Structured Data with Autoencoders: Provable Benefit of
Nonlinearities and Depth [83.15263499262824]
勾配勾配勾配は入力のスパース構造を完全に無視する解に収束することを示す。
浅層構造にデノナイジング関数を付加することにより,スパースデータの圧縮におけるガウス性能の改善方法を示す。
CIFAR-10 や MNIST などの画像データセットに対して,本研究の成果を検証した。
論文 参考訳（メタデータ） (2024-02-07T16:32:29Z) - Lossy Compression for Robust Unsupervised Time-Series Anomaly Detection [4.873362301533825]
本稿では,異常検出のためのLossy Causal Temporal Convolutional Neural Network Autoencoderを提案する。
我々のフレームワークは, 速度歪み損失とエントロピーボトルネックを用いて, タスクの圧縮潜在表現を学習する。
論文 参考訳（メタデータ） (2022-12-05T14:29:16Z) - Rate-Distortion Theory for Mixed States [3.2771631221674333]
速度歪理論は圧縮率とコピー毎の誤差の間のトレードオフを研究する。
混合状態圧縮の速度歪み関数を導出する。
論文 参考訳（メタデータ） (2022-08-24T17:59:35Z) - Neural Estimation of the Rate-Distortion Function With Applications to
Operational Source Coding [25.59334941818991]
損失のあるデータ圧縮スキームを設計する際の根本的な問題は、速度歪み関数と比較してどれだけうまくできるかである。
本研究では,大規模な実世界のデータに対して,速度歪み関数を推定する手法について検討する。
本稿では, NERDと呼ばれる速度歪み推定器を画像データセットに適用する。
論文 参考訳（メタデータ） (2022-04-04T16:06:40Z) - The KFIoU Loss for Rotated Object Detection [115.334070064346]
本稿では,SkewIoU損失とトレンドレベルアライメントを両立できる近似的損失を考案する上で,有効な方法の1つとして論じる。
具体的には、対象をガウス分布としてモデル化し、SkewIoUのメカニズムを本質的に模倣するためにカルマンフィルタを採用する。
KFIoUと呼ばれる新たな損失は実装が容易で、正確なSkewIoUよりもうまく動作する。
論文 参考訳（メタデータ） (2022-01-29T10:54:57Z) - Substitutional Neural Image Compression [48.20906717052056]
置換型ニューラルイメージ圧縮(snic)は、あらゆるニューラルイメージ圧縮モデルを強化する一般的なアプローチである。
フレキシブルな歪みメトリックに向けて圧縮性能を高め、単一のモデルインスタンスを使用したビットレート制御を可能にする。
論文 参考訳（メタデータ） (2021-05-16T20:53:31Z) - On Communication Compression for Distributed Optimization on
Heterogeneous Data [28.197694894254305]
機械学習モデルの分散トレーニングにおいて、通信ボトルネックを回避するために、ロッシー勾配圧縮が重要なツールとなっている。
i) 任意の非バイアス量子化器を用いた分散量子化SGDと(ii) エラーフィードバックとバイアス圧縮器を用いた分散SGDの2種類の標準および一般的な手法の性能解析を行う。
以上の結果から,D-EF-SGDは非IDデータによるD-QSGDよりも影響を受けないことがわかった。
論文 参考訳（メタデータ） (2020-09-04T20:48:08Z)
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。