Hatékony képtömörítő eljáráson dolgozik a Google

A képtömörítést az agy működését utánzó neurális hálózatok használatával próbálja megoldani a Google egyik csapata - derül ki a kutatók által publikált tanulmányból. A tudósok a problémafelvetést mintha a Silicon Valley sorozatból választották volna, amelyben a főszereplő startup csapat szintén a hatékony fájltömörítés kivitelezésén dolgozik. A megoldás lényege mindkét esetben az lenne, hogy olyan kisméretű képeket lehessen tömörítéssel készíteni, amelyeknek a minősége az emberi szem számára is elfogadható.

A kutatócsoport a Google által nyílt forrásúvá tett TensorFlow gépi tanulási technológián alapuló mesterséges intelligenciát vetette be a megoldáshoz. A módszer kézenfekvő abból a szempontból, hogy a deep learning rendszer elődjeként futó DistBelief többféle képekkel kapcsolatos munkát is elvégzett már: a Google Photos intelligens képkeresője és képcímkézője, illetve a DeepDream képgeneráló mögött is ez a technológia állt. Egyébként pont a Google által rendelkezésre bocsátott, határtalan fotótárhely indokolja, hogy miért van a cégnek szüksége a kisebb fotókra a szerver futási idejének és az energiafogyasztásnak csökkentése, illetve az átviteli sebesség növelése miatt.

Ünnepi mix a bértranszparenciától a kódoló vezetőkig Négy IT karrierrel kapcsolatos, érdekes témát csomagoltunk a karácsonyfa alá.

Kezdésként az új mesterséges intelligencia 6 millió fotón futtatta le a 32 x 32 pixeles kicsinyítést, majd képenként kiválasztotta a száz legkevésbé hatékonyan tömörített darabot az elemzéshez. Az elmélet szerint ezeknek a nehezen tömöríthető biteknek a megfejtése után már gyerekjáték a kép maradék részének a feldolgozása. A kiértékelés után a mesterséges intelligencia előrejelzi, hogyan fog kinézni a kép a tömörítés után, és legenerálja az eredményt. A hagyományos JPEG tömörítő megoldásokkal szemben ez a technológia eldöntheti magától, hogy az adott kép különböző részeinek tömörítéséhez melyik a legjobb módszer.

A rendszer még nem tökéletes, és olykor olyan képeket generál, amelyek nem néznek ki túl jól az emberi szem számára - ezt a csapat is belátja, de a tanulmánnyal azt próbálják bizonyítani, hogy ez az eljárás hatékonyabb lehet a JPEG tömörítő megoldásánál. Viszont a tömörítés hatékonyságának tesztelésére használható szabványos eljárás sem létezik egyelőre, ezért az állítást nem lehet megbízhatóan igazolni. Bár a tömörítő eljárás még nincs kész és még nem lehet vele a Google termékekben találkozni, de a kutatócsapat haladása szembetűnő, úgyhogy érdemes lesz figyelemmel követni a projektet.