표제지

목차

1. 서론 6

1.1. 연구 배경 6

1.2. 관련연구 7

2. Preliminary 9

2.1. Variational Auto Encoder 9

2.2. Vector-Quantized Variational Auto Encoder 11

2.3. Gumbel softmax 12

3. Distributed Source Coding 15

3.1. Problem statement 15

3.2. Challenges 15

3.3. Contribution 16

4. Our Method 17

4.1. NDSC architecture 17

4.2. Notation 18

4.3. Model architecture 19

4.3.1. Attention method 19

4.3.2. Learning with Gumbel softmax 21

4.4. Objective function 21

5. Experiments 23

5.1. Setup 23

5.2. Target Rate 24

5.3. Experimental Result 25

6. 결론 27

7. Appendix 28

참고 문헌 32

국문 초록 35

영문 초록 37

표 1. 모델 성능 비교표 26

그림 1. VAE 9

그림 2. VQ-VAE 11

그림 3. Gumbel Softmax 12

그림 4. τ 변화에 따른 Gumbel softmax 출력 13

그림 5. Distributed Source Coding 15

그림 6. NDSC architecture 17

그림 7. Model architecture 18

그림 8. Attention method 19

그림 9. Multi-Head Attention 20

그림 10. Source Data 23

그림 11. Side information 23

그림 12. 모델 성능 지표 25

그림 13. Rate: 0.0156(bpp) 28

그림 14. Rate: 0.0312(bpp) 28

그림 15. Rate: 0.0469(bpp) 29

그림 16. Rate: 0.125(bpp) 29

그림 17. Rate: 0.187(bpp) 30

그림 18. Rate: 0.2500(bpp) 30

그림 19. Rate: 0.3750(bpp) 31