胶囊压缩包括通过降维、选择或聚合等方法对胶囊网络中的胶囊输出进行高效表示的技术。
形式上，胶囊压缩可描述为函数 \( C: \{ \mathbf{v}_i \}_{i=1}^n \to \{ \mathbf{u}_j \}_{j=1}^m \)，其中 \( m < n \)，\( \mathbf{v}_i \in \mathbb{R}^d \) 表示原始胶囊向量，\( \mathbf{u}_j \in \mathbb{R}^k \) 表示压缩后的表示。
技术包括例如对胶囊向量进行主成分分析（PCA）、使用带自适应路由权重的加权和或稀疏编码，以消除冗余信息。
该压缩过程保留了关键的姿态和激活信息，这对胶囊网络中的层次识别至关重要。
定义：
“胶囊压缩指的是减少胶囊网络中胶囊数量或维度的技术，以最小化计算和存储需求，同时保持数据的关键特征。”
来源：
Wang, X., Liu, M., & Li, J. (2021). Efficient Capsule Compression for Deep Learning. Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR).