非显而易见性评估仅供参考，不构成法律建议。
权利要求列表点击可跳转
对比文件列表
| 编号 | 名称 |
|---|
权利要求1
一种用于数据处理的装置，包括：存储器；以及耦合至所述存储器的一个或多个处理器；所述一个或多个处理器被配置为：通过神经网络压缩系统接收输入数据以便通过所述神经网络压缩系统进行压缩；确定用于所述神经网络压缩系统的一组更新；所述一组更新包括编码器模型的一个或多个经更新参数；所述一个或多个经更新参数使用所述输入数据而调谐；通过所述神经网络压缩系统使用潜在先验以及所述一个或多个经更新参数来生成包括所述输入数据的经压缩的版本的第一比特流；通过所述神经网络压缩系统使用所述潜在先验和模型先验生成包括所述一个或多个经更新参数的经压缩的版本的第二比特流；以及输出所述第一比特流和所述第二比特流以传输到接收机；其中；为生成所述第二比特流；所述一个或多个处理器被配置为：通过所述神经网络压缩系统使用所述一个或多个经更新参数将所述输入数据编码为所述输入数据的潜在空间表示；以及通过所述神经网络压缩系统使用所述潜在先验将所述潜在空间表示熵编码为所述第一比特流。
权利要求2
根据权利要求1所述的装置，其中；所述第二比特流还包括所述潜在先验的经压缩的版本和所述模型先验的经压缩的版本。
权利要求3
根据权利要求1所述的装置，其中；所述一个或多个处理器被配置为：生成包括所述第一比特流和所述第二比特流的经级联的比特流；以及将所述经级联的比特流发送到所述接收机。
权利要求4
根据权利要求1所述的装置，其中；为了生成所述第二比特流；所述一个或多个处理器被配置为：通过所述神经网络压缩系统使用所述模型先验对所述潜在先验进行熵编码；以及通过所述神经网络压缩系统使用所述模型先验对所述一个或多个经更新参数进行熵编码。
权利要求5
根据权利要求1所述的装置，其中；所述一个或多个处理器被配置为：基于用于训练所述神经网络压缩系统的训练数据集来生成所述神经网络压缩系统的模型参数；使用所述输入数据来调谐所述神经网络压缩系统的所述模型参数；以及基于所述模型参数与经调谐的模型参数之间的差异来确定所述一组更新。
权利要求6
根据权利要求5所述的装置，其中；所述模型参数是基于所述输入数据；所述输入数据的所述经压缩的版本的比特大小；所述一组更新的比特大小；以及所述输入数据与从所述输入数据的所述经压缩的版本生成的重构的数据之间的失真被调谐的。
权利要求7
根据权利要求5所述的装置，其中；所述模型参数是基于所述输入数据以及发送所述一组更新的成本与所述输入数据和从所述输入数据的所述经压缩的版本生成的重构的数据之间的失真的比率被调谐的；所述成本基于所述一组更新的比特大小。
权利要求8
根据权利要求5所述的装置，其中；为了调谐所述模型参数；所述一个或多个处理器被配置为：基于以下确定将一个或多个参数包括在所述经调谐的模型参数中：将所述一个或多个参数包括在所述经调谐的模型参数中伴随着以下各项中的至少一项的减少：所述输入数据的所述经压缩的版本的比特大小以及所述输入数据和从所述输入数据的所述经压缩的版本生成的重构的数据之间的失真。
权利要求9
根据权利要求1所述的装置，其中；为了确定用于所述神经网络压缩系统的所述一组更新；所述一个或多个处理器被配置为：处理所述神经网络压缩系统处的所述输入数据；基于经处理的输入数据确定所述神经网络压缩系统的一个或多个损失；以及基于所述一个或多个损失来调谐所述神经网络压缩系统的模型参数；经调谐的模型参数包括用于所述神经网络压缩系统的所述一组更新。
权利要求10
根据权利要求9所述的装置，其中；所述一个或多个损失包括：与用于基于所述第一比特流的大小来发送所述输入数据的所述经压缩的版本的速率相关联的速率损失；与所述输入数据和从所述输入数据的所述经压缩的版本生成的重构的数据之间的失真相关联的失真损失；以及与用于基于所述第二比特流的大小来发送所述经更新的模型参数的所述经压缩的版本的速率相关联的模型速率损失。
权利要求11
根据权利要求1所述的装置，其中；所述一个或多个处理器被配置为：通过降低速率失真和模型速率损失来训练所述神经网络压缩系统；其中；模型速率反映了用于发送模型更新的比特流的长度。
权利要求12
根据权利要求1所述的装置，其中；所述模型先验包括以下各项中的至少一项：独立高斯网络先验；独立拉普拉斯网络先验；以及独立Spike和Slab网络先验。
权利要求13
根据权利要求1所述的装置，其中；所述装置包括移动设备。
权利要求14
根据权利要求1所述的装置，还包括被配置为捕获所述输入数据的相机。