PrismQuant: Quantizzazione vettoriale ottimale per il rapporto distorsione/velocità per sorgenti a miscela gaussiana

Un recente preprint su arXiv (2605.15507) presenta PrismQuant, un framework per la quantizzazione vettoriale che affronta in modo ottimale il rapporto distorsione/velocità per sorgenti a miscela gaussiana. La codifica per trasformazione tradizionale, che eccelle con sorgenti gaussiane unimodali quando si utilizza MSE, risulta insufficiente per sorgenti multimodali, poiché una singola covarianza non riesce a rappresentare geometrie locali diverse. Gli autori dimostrano che la struttura a miscela comporta solo un costo legato all'etichettatura dei componenti, mentre la funzione RD condizionale assistita da un genio è determinata da un livello globale unificato di reverse-waterfilling applicabile a tutti i componenti e modi propri. Basandosi su questa scoperta, PrismQuant raggiunge una quantizzazione ottimale.