論文の概要: STeP-C: Real-Time Neural Compression for Distributed Fiber-Optic Sensing at Scale
- arxiv url: http://arxiv.org/abs/2611.17126v1
- Date: Thu, 12 Nov 2026 17:20:49 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-14 01:36:33.568061
- Title: STeP-C: Real-Time Neural Compression for Distributed Fiber-Optic Sensing at Scale
- Title(参考訳): STeP-C: 大規模分散光ファイバセンシングのためのリアルタイムニューラル圧縮
- Abstract要約: 本稿では,空間符号化,時間予測,エントロピー最適化残差符号化を分離するニューラルネットワーク圧縮フレームワークSTePCを提案する。
我々は、このパイプラインをライブDASテストベッドで検証し、98.85%のファイルサイズ削減を31.04dBのフルバンドRで行い、平均スループットは535MB/sである。
- 参考スコア(独自算出の注目度): 7.383559906700815
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Distributed fiber-optic sensing (DFOS) technologies such as Distributed Acoustic Sensing (DAS) generate continuous, high-resolution spatio-temporal data at rates exceeding hundreds of megabytes per second, creating severe challenges for real-time storage and transmission. While neural compression methods can achieve strong rate-distortion performance on sensing data, prior approaches either require per-segment retraining incompatible with streaming, or have only been validated offline. None have been demonstrated end-to-end on a continuously streaming DAS acquisition system at scale. We present STeP-C (Spatio-Temporal Predictive Compression), a neural compression framework that decouples spatial encoding, temporal prediction, and entropy-optimized residual coding, trained end-to-end with a rate-distortion objective motivated by conditional entropy reduction. Critically, we identify entropy coding as the dominant bottleneck for streaming deployment. We address it through GPU-side symbol computation, cached probability tables, and parallel GIL-free arithmetic coding, together with FP16 inference and batched entropy coding, enabling a full real-time pipeline built around a GPU ring buffer. We validate this pipeline on a live DAS testbed, achieving a 98.85% file size reduction at 31.04 dB full-band PSNR and an average throughput of 535 MB/s, exceeding the 324 MB/s requirement for 1 kHz, 81 km DAS streams. We further show that STeP-C substantially outperforms conventional codecs at practical streaming bitrates, can be applied to unseen channel ranges within the same acquisition system without retraining, and largely maintains downstream detector consistency, with 96.62% high-confidence class agreement and 100% Jaccard similarity on detected event types.
- Abstract(参考訳): 分散光センシング(DFOS)技術であるDistributed Acoustic Sensing (DAS)は、毎秒数百メガバイトを超える速度で、連続的で高解像度の時空間データを生成する。
ニューラル圧縮法は、センシングデータに対して強いレート歪み性能を達成することができるが、以前の手法では、ストリーミングと互換性のないセグメントごとの再トレーニングを必要とするか、オフラインでのみ検証されている。
大規模にストリーミングされたDAS取得システムでは、エンドツーエンドのデモは行われていない。
本稿では,空間符号化,時間予測,エントロピー最適化残差符号化を分離するニューラルネットワークフレームワークSTeP-C(Spatio-Temporal Predictive Compression)について述べる。
批判的に言えば、エントロピーコーディングがストリーミングデプロイメントの主要なボトルネックであると認識しています。
我々は、GPU側シンボル計算、キャッシュされた確率テーブル、並列GILのない算術符号化、FP16推論、バッチ化されたエントロピー符号化により、GPUリングバッファの周りに構築された完全なリアルタイムパイプラインを実現する。
我々はこのパイプラインをライブDASテストベッドで検証し、フルバンドPSNR31.04dBで98.85%のファイルサイズ削減を実現し、平均スループットは535MB/sで、1kHz,81kmDASストリームの324MB/sを超える。
さらに,STeP-Cは,従来のコーデックを実用的なストリーミングビットレートで大幅に上回り,再トレーニングせずに同一の取得システム内の未確認チャネル範囲に適用でき,検出されたイベントタイプに対して96.62%の高信頼度クラス契約と100%のジャカード類似性を有する下流検出器の一貫性を保っていることを示す。
関連論文リスト
- GPU-Based Parallel BP Decoding for Quantum LDPC Memory [7.229992190530996]
量子低密度パリティチェック(qLDPC)復号には、信頼性の高い修正と長大な症候群履歴に対する低レイテンシが必要である。
BP-SFは, 独立型シンドローム・フリップ試験による発振誘導型信念伝達(BP)デコーダであり, ウィンドウド・ストリーミング操作を導入して拡張する。
ウィンドウドBP-SFは平らな論理誤差率を維持し、512ラウンドで1ラウンドあたりの計算時間をほぼ一定に保ち、モノリシックデコーディングよりも17.1倍のスピードアップを達成した。
論文 参考訳(メタデータ) (2026-10-09T17:25:55Z) - Mixtures of Subspaces for Bandwidth Efficient Context Parallel Training [54.43685601795611]
分散環境における通信効率のよいコンテキスト並列化のための圧縮手法を提案する。
我々の重要な洞察は、アクティベーション出力の本質的な低ランク構造を、学習されたサブスペースの混合に動的に拘束することで活用することである。
論文 参考訳(メタデータ) (2026-06-15T08:17:13Z) - Efficient Learned Data Compression via Dual-Stream Feature Decoupling [11.752785837648199]
本稿では,深層並列処理を浅層並列ストリームに置き換えるために,ローカルおよびグローバルコンテキストをアンハングするDual-Stream Multi-Scale Decouplerを提案する。
本手法は,低レイテンシとメモリ使用量を維持しながら,圧縮比とスループットの両面で最先端性能を実現する。
論文 参考訳(メタデータ) (2026-04-08T16:05:24Z) - DiffVC-RT: Towards Practical Real-Time Diffusion-based Perceptual Neural Video Compression [38.495966630021556]
我々は、リアルタイム拡散に基づくニューラルビデオ圧縮(NVC)を実現するための最初のフレームワークであるDiffVC-RTを提案する。
DiffVC-RTは、NVIDIA H800 GPU上の720pビデオに対して、リアルタイムエンコーディングとデコード速度206/30 fpsのHEVCデータセット上で、LPIPSよりもVTM-17.0よりも80.1%のパーセプティカルセーブを実現していることを示す。
論文 参考訳(メタデータ) (2026-01-28T12:59:25Z) - FLaTEC: Frequency-Disentangled Latent Triplanes for Efficient Compression of LiDAR Point Clouds [52.997038111673966]
FLaTECは、圧縮率の高いフルスキャンの圧縮を可能にする周波数対応圧縮モデルである。
ボキセル化埋め込みを三面体表現に変換することで、空間性、計算コスト、ストレージ要件を低減する。
提案手法は,最先端の速度歪み性能を実現し,標準コーデックのBDレートを78%,94%向上させる。
論文 参考訳(メタデータ) (2025-11-25T08:37:49Z) - Self-Supervised Compression and Artifact Correction for Streaming Underwater Imaging Sonar [14.023965177100239]
実時間撮像ソナーは、光センシングが信頼性の低い環境下での水中監視において重要なツールとなっている。
クリーンノイズペアや合成仮定を使わずに圧縮とアーティファクトの補正を共同で行う自己教師型フレームワークSCOPEを提案する。
SCOPEは太平洋岸北西部の3つの河川に数ヶ月間展開され、野生でのリアルタイムサケの列挙と環境モニタリングを支援している。
論文 参考訳(メタデータ) (2025-11-17T21:19:15Z) - Reducing Storage of Pretrained Neural Networks by Rate-Constrained Quantization and Entropy Coding [56.066799081747845]
成長を続けるニューラルネットワークのサイズは、リソースに制約のあるデバイスに深刻な課題をもたらす。
本稿では,レートアウェア量子化とエントロピー符号化を組み合わせた学習後圧縮フレームワークを提案する。
この方法では非常に高速な復号化が可能であり、任意の量子化グリッドと互換性がある。
論文 参考訳(メタデータ) (2025-05-24T15:52:49Z) - Flow-Based Visual Stream Compression for Event Cameras [3.533874233403883]
本稿では,イベントストリームをリアルタイムに圧縮するフローベース手法を提案する。
本手法は, リアルタイム光流推定値を用いて, 送信することなく, 将来の事象を予測する。
提案アルゴリズムは,リアルタイムかつ低レイテンシなイベント予測を行うことができることを示す。
論文 参考訳(メタデータ) (2024-03-12T21:36:41Z) - StreamDiffusion: A Pipeline-level Solution for Real-time Interactive Generation [52.56469577812338]
本稿では,インタラクティブな画像生成のためのリアルタイム拡散パイプラインStreamDiffusionを紹介する。
既存の拡散モデルは、テキストや画像プロンプトから画像を作成するのに適しているが、リアルタイムのインタラクションでは不足することが多い。
本稿では,従来のシーケンシャル・デノナイジングをデノナイジング・プロセスに変換する新しいアプローチを提案する。
論文 参考訳(メタデータ) (2023-12-19T18:18:33Z) - Consistency Trajectory Models: Learning Probability Flow ODE Trajectory of Diffusion [56.38386580040991]
Consistency Trajectory Model (CTM) は Consistency Models (CM) の一般化である
CTMは、対戦訓練とスコアマッチング損失を効果的に組み合わせることで、パフォーマンスを向上させる。
CMとは異なり、CTMのスコア関数へのアクセスは、確立された制御可能/条件生成メソッドの採用を合理化することができる。
論文 参考訳(メタデータ) (2023-10-01T05:07:17Z)
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。