通过频域神经网络压缩实现完全去中心化的NFT存储

《ACM Transactions on Multimedia Computing, Communications, and Applications》：Fully Decentralized NFT Storage through Frequency Domain Neural Network Compression

　　

摘要AI 摘要

要查看此 AI 生成的摘要，您必须具有高级访问权限。

了解更多登录

摘要

摘要

非同质化代币（NFT）和其他 Web3 多媒体内容通常存储在链下，因为图像和视频资产的体积超出了链上的实际存储容量限制，这就导致了不可变的所有权记录与长期媒体可用性之间的差距。本文提出了一种集合级神经压缩方法，将整个 NFT 集合转换为单个紧凑的解码器。该解码器将代币的整数索引直接映射到其重建的图像上，并经过专门训练以记住整个集合，从而无需存储每张图像的潜码。为了最小化解码器在链上的占用空间，我们在频域中对权重进行参数化处理，通过之字形排序的掩码逐步剔除高频系数，并对生成的稀疏参数应用行程长度编码和霍夫曼熵编码。在三个包含 10,000 张图片的 NFT 基准测试中（Bored Ape Yacht Club (BAYC)、Azuki 和 CryptoPunks），压缩后的文件大小分别降至 7.63 MB、17.09 MB 和 3.33 MB。这些压缩后的文件大小比 PNG 小了许多（通过峰值信噪比（PSNR）和结构相似性指数（SSIM）来衡量），其中 PSNR 大于 33 dB，SSIM 大于 0.967。此外，我们的以太坊存储费用估算表明，在合理的费用假设下，集合级内容在链上的部署变得可行，可将成本降低 58.6%–99.4%。主要贡献是一种集合级压缩解码器，它可以作为可部署的链上存储格式，从而无需依赖外部媒体服务器并避免对每张图像进行单独存储。这些结果展示了在不依赖外部存储网络的情况下，实现大型 NFT 多媒体集合自包含、链上可用的实际途径。

AI 摘要

AI 生成摘要（实验性）

此摘要是使用自动化工具生成的，并非由文章作者撰写或审核。它旨在帮助读者发现、评估相关性和理解相关工作。它是对作者提供的摘要的补充，作者提供的摘要仍是本文的正式摘要。全文才是权威版本。点击此处了解更多关于 ACM AI 摘要的信息。

点击 此处 对摘要的准确性、清晰度和实用性进行评论。您的反馈将有助于改进未来的版本。

要查看此 AI 生成的简体语言摘要，您必须具有高级访问权限。