深度学习助力数据压缩，一文读懂相关理论(12)

正如深度学习在其它机器学习场景中应用的情况，基于深度学习的数据压缩获得了让人惊喜的效果，但仍然存在一些问题。不断提升的视频清晰度码率，对低延迟网络无比依赖的应用程序，以及一众 VR 和 AR 设备的投入使用，在这样的背景下，数据压缩仍然是需要长期投入研究的领域。深度学习研究和在工业场景中的应用任重而道远。
作者介绍：仵冀颖，工学博士，毕业于北京交通大学，曾分别于香港中文大学和香港科技大学担任助理研究员和研究助理，现从事电子政务领域信息化新技术研究工作。主要研究方向为模式识别、计算机视觉，爱好科研，希望能保持学习、不断进步。