Hlavní navigace

Neuronové sítě slibují lepší kompresi než JPEG

26. 8. 2016

Sdílet

 Autor: Google
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.

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.

Cloud22

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.