Neuronové sítě slibují lepší kompresi než JPEG

I malé věcí jsou krásné a nikde to neplatí více, než u velikosti souborů. Komprese obrázků umožňuje jejich snazší přenos a navíc nezaberou tolik místa; Google nyní přišel se zajímavou novinkou: Do boje s nejrozšířenější metodou ztrátové komprese JPEGem vyslal neuronové sítě, kterým pomohlo strojové učení. Výsledek sice není ohromující, ale do budoucna rozhodně slibný.

Neuronové sítě slibují lepší kompresi než JPEG


Google postupoval tak, že z webu sesbíral náhodný vzorek z šesti milionů obrázků v rozlišení 1280x720 a ty rozdělil do nepřekrývajících se dlaždic o velikosti 32x32. Následně se zaměřil na 100 z nich, které měly nejhorší míru komprese; tedy je jde nejhůře komprimovat.

Cílem bylo zlepšit proces především u těch na kompresi nejsložitějších obrázků, protože u zbytku by to pak, dle uvažování týmu firmy, mělo jít o to snadněji.

Výzkumníci následně využili TensorFlow – open source systém pro strojové učení od Googlu – k vytvoření sady experimentálních neuronových sítí. S pomocí jednoho milionu kroků si neuronové sítě „vycvičili“. Poté sesbírali řadu technických dat, aby zjistili, které modely slavily největší úspěch.

Ve finále se jejich modelům podařilo v průměru překonat kompresi JPEGu. Další výzvou, popsali výzkumníci, bude porazit kompresní metody odvozené z kodeků pro videokompresi u velkých obrázků, protože ty „využívají triky, jako je opětovné použití segmentů, které již byly dekódovány.“ WebP, odvozený z kodeku VP8, je příkladem takové metody.

Výzkumníci však upozornili, že není vždy snadné přesně určit vítěze – lidské vnímání komprese se od toho strojového často liší.

Celý výzkum popisuje vědecká práce Googlu, zveřejněná minulý týden.

Úvodní foto: Google










Komentáře