A Google egy olyan új képtömörítési eljáráson dolgozik, amely egyrészt a TensorFlow gépi tanuláson, másrészt pedig a neurális hálózatok használatán alapul. A cél természetesen az, hogy a lehető legkisebb méretű, az emberi szem számára még elfogadható kép készüljön.
Ahogy arról a Digital Photography Review cikke is beszámol, a módszer lényege az volt, hogy miután 6 millió hagyományos eljárással tömörített fotón tréningezték a rendszert. Minden képet 32*32 pixeles darabkákra osztottak, majd a rendszer kiválasztotta a 100 legkevésbé hatékonyan tömörített darabot az elemzéshez. Az elmélet szerint, ha egy kép komplex részeit több kevésbe összetett részre bontják, akkor azokat sokkal könnyebb tömöríteni, ebből pedig tanul a rendszer.
A kezdeti tréning után az AI képes előre jelezni, hogy néz majd ki a kép a tömörítést követően. Ami az eljárást igazán kiemeli a többi tömörítési megoldás közül, hogy a rendszer képes eldönteni, a kép egyes részeinek tömörítéséhez melyik eljárást alkalmazza.
A rendszer még nem tökéletes, mivel a tömörítés során sokszor olyan kép jön létre, ami az emberi szem számára kellemetlen. Ettől függetlenül a kutatás fontos szerepet játszhat a tömörítés új formáinak kidolgozásában.
Comments are closed.