Nykomprimering

Nykomprimering är ett begrepp som används för att beskriva de senaste framstegen inom datakompression, där målet är att minska mängden data som behöver lagras eller överföras utan att kompromissa i betydande grad med kvalitet eller funktion. Begreppet är inte en enda teknik utan en samling nyare metoder och förbättrade algoritmer som tillämpas på text, bild, ljud och video.

Historiskt har nykomprimering drivits av ökade krav på snabbare kommunikation, mindre lagringsutrymme och bättre energieffektivitet. Teknikutvecklingen har gått från traditionell statistisk kodning och ordlisteteknik till transformsbaserad kodning och prediktiv kodning, och i modern tid tillämpas maskininlärning och neurala nätverk för att lära kompressionsmodeller direkt från data.

Nykomprimering omfattar både förlustfri och förlustig kompression. Viktiga principer inkluderar reduktion av redundans, entropikodning, transformkodning exempelvis av data med DCT eller wavelets, samt prediktiv kodning och ordlista-baserade metoder. I modern forskning används neurala nätverk och end-to-end optimering där en modell lär sig att komprimera data med en avvägning mellan bitrate och upplevd kvalitet.

Användningar av nykomprimering finns inom videoströmning, bild- och ljudkomprimering, textdata, lagring i moln och inbyggda system samt i realtidskommunikation och streamingtjänster.

Framtiden för nykomprimering förväntas innehålla ännu mer inbäddad maskininlärning, adaptiv bitrate-anpassning och standardiserade gränssnitt som gör det möjligt att byta och jämföra modeller tvärs över plattformar och innehållstyper. Utmaningar inkluderar beräkningskostnader, licensiering, patent och behovet av interoperabla standarder.