边缘编解码器：内置轻量级 高保真神经压缩器结合残差向量量化-计算机科学-数据压缩-边缘编码器.pdf

本文已被意大利2025年国际传感器与接口进展研讨会（IWASI）接受发表。©2025IEEE.

DOI：待添加。

边缘编解码器：内置轻量级

高保真神经压缩器

结合残差向量量化

BenjaminHodo,TommasoPolonelli,AmirhosseinMoallemi,LucaBenini,andMicheleMagno

D-ITET,ETHZürich,Zürich,Switzerland

RTDTLaboratories,Switzerland

本

译Abstract—数据压缩是数据处理和存储的基础。更高效地在重构原始数据流[3]时，它在CR和数值准确性之间

中发送和存储数据是在Internet-of-Things(IoT)中的一个开存在权衡。音频和视频领域已经见证了基于机器学习

1放性挑战，设备通常以能量和计算能力有限为特征。本文解决（ML）的压缩方法的重大加速，如GoogleSoundStream

v的问题是由IoT设备收集并未经过压缩的大量传感器数据。我

0们通过使用补充了ResidualVectorQuantization(RVQ)[4]或Meta编解码器[5]，这些方法与最先进的音频和

4

0技术的神经网络来压缩本地数据解决了这个问题。本文受到谷视频编解码器作品集[6]和电动车系统[7]具有竞争

6歌声波流和Meta编码器解码器等有损神经压缩器在音频领域力。经典数据压缩分为两类，无损和有损[3],[1]。无损

0的启发，提出了边缘编码器：一种专为在低功耗和资源受限的

.压缩通常实现的CR比有损压缩低，但它确保重构的

7MicrocontrollerUnits(MCUs)边缘设备上运行而设计的

0轻量级有损神经压缩器。边缘编解码器处理多通道数据，具有对象与原始对象完全相同[2]。一种流行的图像无损压

5

2灵活的端到端可学习管道。我们在一个现实生活中的具有挑战缩技术是PortableNetworkGraphics(PNG)，利用增

:性的用例中评估了边缘编码器，即使用40通道气压传感器进行量编码。另一方面，有损压缩技术通过丢弃潜在空间

v

i风力涡轮机监控。在所提出的应用场景下，我们的边缘编解码

x器达到了一个在2560和10240之间的CompressionRatio中不相关或冗余的信息来实现非常高的CR。有损压缩

r

a(CR)，可以在实时中变化以调整压缩与重建质量之间的权衡。器可以进一步细分为两类，基于变换和基于预测的技

在一个低功耗的MCU上执行时，边缘编码器在整个验证集上术[3]。基于变换的技术使用数学转换从其原始域过渡

实现了平均2.54%的重建误差。仅需ms即可压缩在s

到不同的域，在该域中冗余信息更容易被发现并删除

中生成的kb。最终结果表明，边缘编解码器可将所需的无线

传输能耗降低至原来的2.9倍。[2],[1]。一个示例是MPEGAudioLayer3(MP3)，将

音频信号转换到频域，在该频域中可以丢弃高频分量，

I.介绍

因为人耳对这些频率的敏感度较低[6]。基于变换的方

数据压缩是通信和IoT应用中的关键