[論文レビュー] Compressive Sensing with Low Precision Data Representation: Radio Astronomy and Beyond.

Nezihe Merve Gürel, Kaan Kara+2 more|arXiv (Cornell University)|Feb 14, 2018

Sparse and Compressive Sensing Techniques被引用数 2

ひとこと要約

本論文は、電波天文学および医療画像診断における圧縮センシングのための低精度正規化反復的ハードスラッグイング（IHT）アルゴリズムを提案し、保証された回復性能を伴う極端なデータ量子化を可能にした。CPUおよびFPGAプラットフォームで最大9倍の高速化を達成し、品質の損失は最小限に抑えられ、顕著な信号劣化を伴わず実用的な高速化を実現した。

ABSTRACT

Modern scientific instruments produce vast amounts of data, which can overwhelm the processing ability of computer systems. Lossy compression of data is an intriguing solution, but comes with its own drawbacks, such as potential signal loss, and the need for careful optimization of the compression ratio. In this work, we focus on a setting where this problem is especially acute: compressive sensing frameworks for interferometry and medical imaging. We ask the following question: can the precision of the data representation be lowered for all inputs, with recovery guarantees and practical performance? Our first contribution is a theoretical analysis of the normalized Iterative Hard Thresholding (IHT) algorithm when all input data, meaning both the measurement matrix and the observation vector are quantized aggressively. We present a variant of low precision normalized {IHT} that, under mild conditions, can still provide recovery guarantees. The second contribution is the application of our quantization framework to radio astronomy and magnetic resonance imaging. We show that lowering the precision of the data can significantly accelerate image recovery. We evaluate our approach on telescope data and samples of brain images using CPU and FPGA implementations achieving up to a 9x speed-up with negligible loss of recovery quality.

研究の動機と目的

• 現代の科学的計測機器（電波望遠鏡やMRIスキャナなど）から生じる膨大なデータ量の処理という課題に対処すること。
• 圧縮センシングフレームワークにおいて、信号再構成品質を損なわずに、データ表現の極端な量子化を普遍的に適用可能かどうかを調査すること。
• 低精度入力条件下における正規化IHTの理論的基盤を構築し、安定した信号再構成を保証すること。
• 電波天文学およびMRI分野における実世界の応用において、画像再構成速度の実用的向上を実証すること。

提案手法

• 測定行列と観測ベクトルを量子化した状態で動作する正規化反復的ハードスラッグイング（IHT）の変種を提案する。
• 理論的分析により、センシング行列および信号スパarsityにやや厳しい条件を課した場合でも、低精度IHTの再構成保証を確立する。
• 電波望遠鏡の間接干渉計測データおよび脳MRIサンプルに、量子化フレームワークを適用する。
• CPUおよびFPGAプラットフォームにアルゴリズムを実装し、実世界のパフォーマンスと高速化を評価する。
• 入力データの極端な量子化（例：8ビット以下）を実施しながらも、信号再構成の忠実性を維持する。
• 計算効率を最大化するために、低精度算術を前提としたIHTアルゴリズムの最適化を実施する。

実験結果

リサーチクエスチョン

• RQ1 測定行列と観測ベクトルの両方が低精度に量子化された場合でも、圧縮センシングの再構成が保証可能か？
• RQ2 低精度データ表現が、正規化IHTアルゴリズムの収束性および精度に与える影響は何か？
• RQ3 データ量子化は、電波天文学およびMRI応用における画像再構成をどの程度高速化できるか？
• RQ4 標準IHTと比較して、低精度IHTの速度および再構成品質のパフォーマンスはいかがなっているか？

主な発見

• 提案された低精度正規化IHTアルゴリズムは、極端な入力データの量子化が行われても、やや厳しい仮定のもとで保証された再構成性能を維持する。
• 本手法は、CPUおよびFPGAプラットフォームの両方で、再構成品質に顕著な損失を伴わず最大9倍の高速化を達成した。
• 測定行列と観測ベクトルの両方の量子化により、顕著な計算高速化が実現されつつも、信号忠実度が保持された。
• フレームワークは実際の電波望遠鏡データおよび脳MRIサンプルで検証され、多様な科学的画像応用分野における頑健性が示された。
• FPGA実装は優れたスケーラビリティと効率性を示し、ハードウェア最適化された低精度圧縮センシングの可能性を浮き彫りにした。