一种基于多模态特征融合的通用无损数据压缩方法

本发明公开了一种基于多模态特征融合的通用无损数据压缩方法，包括：采集多模态原始数据，提取类型特征和内容特征；基于特征融合模块、液态神经网络、Transformer模块构建多模态特征融合模型，将类型特征和内容特征输入多模态特征融合模型进行融合，针对融合特征进行条件概率预测，输出每个符号的预测概率分布；采用算术编码方法对原始数据的字节序列进行压缩；在压缩过程中引入小批量在线训练机制，完成多模态特征融合模型的更新；本发明提供了一种高效、灵活且具有强大适应性的通用数据压缩解决方案，不仅能显著提高数字孪生系统等场景中多样化数据的压缩效率，还能在动态变化的环境中保持长期稳定的性能，具有广泛的应用前景。