Paradigma stiskanja podatkov z odstranjevanjem obnovljivih informacij

Stiskanje podatkov je ena izmed tradicionalnih disciplin računalništva, ki pa v zadnjih desetletjih ni bistveno napredovala in ni sledila trendom v znanosti, ko z novimi napravami zajemamo vedno večje količine zelo raznorodnih podatkov. Te stiskamo z domensko odvisnimi ali s splošnonamenskimi metodami. Splošnonamenske metode so vsem dobro znane brezizgubne rešitve izpred dobrih 30 let (na primer RAR ali ZIP). Splošnost dosegajo s tem, da tok podatkov obravnavajo na elementarnem nivoju zlogov, s čimer pa zanemarijo višjenivojske relacije, ki v podatkih morda obstajajo. Domensko odvisne metode so izgubne, skoraj brezizgubne ali brezizgubne. Izgubne metode temeljijo na transformacijah, ki podatke preslikajo v frekvenčni prostor, kjer opravijo kvantizacijo, preostale vrednosti pa zakodirajo brezizgubno, pri čemer je tudi brezizgubni del postopkov praviloma domensko odvisen. Skoraj brezizgubne in brezizgubne metode so izrazito drugačne in tipično temeljijo na napovedovanju, ki pa upošteva le ozek prostorski in/ali časovni kontekst, s čimer se uspešnost napovedi manjša. Večina metod je tudi simetrična, kar pomeni, da razširjanje podatkov opravijo z enakim cevovodom metod, le v obratnem vrstnem redu. Slabost tega je enaka časovna zahtevnost kodiranja in dekodiranja, kar pomeni, da dekodirnik zahteva podobno računalniško infrastrukturo kot kodirnik. Za vsak tip podatkov potrebujemo specifične rešitve, ki na drug tip podatkov niso prenosljive (stiskanje zvoka je zelo drugačno kot, na primer, stiskanje rastrskih slik). V projektu COMPROMISE želimo razviti novo metodologijo stiskanja podatkov, ki bo v veliki meri domensko neodvisna, nesimetrična ter z enotnim cevovodom postopkov primerna za izgubno, skoraj brezizgubno in izgubno stiskanje. Domensko neodvisnost bomo dosegli s tem, da bomo v različnih domenah oblikovali nabore značilnic, ki jih bomo povezali v enotno domensko neodvisno taksonomijo. Značilnica bo v našem projektu informacija, ki temelji na človekovih zaznavah in ima za interpretacijo podatkovnega toka ali njegovo strojno obdelavo (npr. računalniški vid, klasifikacija) visoko diskriminativno oz. prediktivno vrednost. Dobljen nabor značilnic bomo nato v domensko neodvisnem procesu iterativne optimizacije zmanjševali do nivoja, ki bo iz nabora ohranjenih značilnic z restavracijskimi tehnikami še omogočal zadovoljivo rekonstrukcijo vhodnega podatkovnega toka. Cevovod stiskanja bo povsem enak za izgubno, brezizgubno in skoraj brezizgubno stiskanje, le da bomo v primeru slednjih dveh na izhod poslali tudi popravke, ki jih bomo v optimizacijskem postopku dobili kot razliko med izvornim in restavriranim podatkovnim nizom. Postopek razširjanja podatkov bo računsko mnogo enostavnejši, saj bo samo razširil značilnice, jih restavriral in v primeru brezizgubnega ali skoraj brezizgubnega stiskanja korigiral s popravki. S tem bodo zahteve za dekodirnik bistveno manjše kot za kodirnik. Koncept domensko neodvisnih značilnic omogoča tudi, da stisnjeni podatki ohranijo informacije o višjenivojskih relacijah v podatkih, s čimer povečujemo ponovno uporabljivost podatkov na različnih semantičnih nivojih. Da bi pokazali univerzalnost in domensko neodvisnost metodologije, bomo v naši raziskavi uporabili rastrske slike, digitalni avdio, biomedicinske signale in redke vokselske mreže, torej podatke, ki se razlikujejo tako po dimenzionalnosti kot dinamičnosti in naslavljajo dva človekova zaznavna sistema – vid in sluh. Predlagano domensko neodvisno metodologijo bomo implementirali z enotno platformo, s katero bomo pokazali uspešnost in univerzalnost metodologije COMPROMISE ter predvidoma potrdili ključne kazalnike učinkovitosti in s tem tudi postavljeno znanstveno hipotezo. Pričakujemo, da bomo s predlagano metodologijo v testnih domenah dosegli boljša razmerja brezizgubnega in skoraj brezizgubnega stiskanja podatkov, kot jih dosegajo obstoječe domensko odvisne metode, s čimer bomo postavili temelje za nov rod metod stiskanja podatkov.