研究人员声称，这种AI模型比PNG具有更好的压缩率

图像压缩一直是计算机科学中不断发展的挑战之一。程序员和研究人员一直在努力提高当前的标准或创建新的标准，从而以较小的尺寸获得更好的图像质量。

本月早些时候，得克萨斯大学奥斯汀分校的研究人员，曹升，吴朝元和Philipp Krahenbuhl 发表 了一篇论文 ，该论文着眼于使用超分辨率获得图像的无损压缩。该模型称为基于超分辨率的压缩（SReC）。

但是在我们深入研究之前。让我们了解一下这些术语的含义。超分辨率是一种通过不同技术放大或增强低分辨率图像分辨率的做法。这个想法是在增加分辨率的同时不损失质量。

其次，当压缩图像或音频文件时没有数据或细节损失时，这称为无损压缩。PNG图像文件是无损压缩的一个示例。

新模型使用超分辨率来实现高分辨率图像的压缩。为此，模型首先将输入图像的低分辨率副本存储为原始像素。然后，它应用无损压缩超分辨率模型的三个迭代来生成较小尺寸的输出图像。

该方法首先对低分辨率图像进行有效编码，然后利用SR模型有效地对高分辨率图像进行熵编码。

曹告诉TNW，很难以兆字节为单位来精确压缩图像。但是，研究小组使用了一种称为每子像素位（bpsp）的度量，该度量考虑了为图像格式存储子像素所需的位。例如，对于BMP格式的RAW图像，bpsp为8。

当应用于“开放图像”数据集时，此新模型将存档一个bpsp 2.70的数据。

曹说，该模型不能替代任何流行的标准，例如PNG。但是，可以在服务器端使用它来减少网站的加载时间。但是它将需要与Google流行的WebP模型竞争。

尽管此模型可能无法在实际场景中使用，但需要注意的是，越来越多的研究人员正在使用AI来形成新的图像压缩技术。今年早些时候，JPEG委员会宣布了征集论文以形成新的基于AI的图像编解码器的呼吁。

声明：本文由易百纳技术社区编写，文章内容来自TNW，版权归原作者所有，转载请注明出处，如有侵权请联系删除。