根據 矽谷 最新情報，有比 Huffman code 更好的壓縮法
叫做 Middle out
詳情可參見 http://www.fun698.com/vod-read-id-61595.html
最後成果，可將任意 3D 無壓縮影片 以無失真壓縮成 1/4 以下大小
剛開始創辦人還以為是程式出錯，沒想到全部正確。
因而獲得最大獎。還有更厲害的嗎?
※ 引述《roger29 (=======中間選民=======)》之銘言：
: 因為壓縮的比例存在著理論上的極限
: 假如我現在有A B C D 四個符號
: 要表示成數位資料的話 直觀的方法是讓A=00 B=01 C=10 D=11
: ASCII code就是類似的7碼等長度編碼方法
: 不過呢 這五個符號出現的機率可能不是一樣的
: 假設Pr(A)=0.5 Pr(B)=0.2 Pr(C)=0.2 Pr(D)=0.1
: 那麼用上面直觀的方法編碼
: 我的codeword平均長度是 0.5*2+0.2*2+0.2*2+0.1*2=2
: 那麼我們有沒有辦法讓我的平均長度變得更小一點呢(也就是達到所謂的資料壓縮)
: 有的 我們可以善用A B C D四個符號出現機率不相等的特性
: A出現的機率最高 所以我直觀上希望表示A的二進位長度可以短一點才有效率
: D出現的機率最低 所以我就會希望表示D的二進位長度可以長一點沒關係
: 那麼換一個方式表示：A=0 B=10 C=110 D=111
: 這樣表示的話我新的codeword平均長度就是 0.5*1+0.2*2+0.2*3+0.1*3=1.8
: 比原本每個符號都用2個bits來表現還要更小
: (註：這個編碼方法為著名的Huffman code)
: 所以我們可以發現 如果能善用資料間的相關性
: 是可以減少用數位來表示這些資料所需要的資料大小
: 但是當然不可能無限制的縮小
: 根據偉大的數學家 消息理論的開山始祖 Claude Shannon的source coding theorem
: 簡單來說
: 給定一個discrete memoryless source S 就像我上面的四個字母
: 那麼我們能夠達到的平均codeword長度會大於等於S的entropy
: S的entropy定義成 n
: