Kinukuha ng Google sa 'Silicon Valley' Tech ng HBO na may komprehensibong Image Compression ng A.I.

Maaaring inilatag lamang ng Google ang batayan para sa gitnang-out, machine-learning-based na compression system na makikita sa HBO's Silicon Valley. Noong Huwebes, isinulat ng mga mananaliksik ng Google ang isang post sa blog na nagdedetalye sa kanilang tagumpay, at summarizing ang kasamang papel, ang "Full Resolution Image Compression na may paulit-ulit na Neural Network." Ang compression ng imahe ay simula pa lamang: Gayunpaman, ang Google ay laging magpapatakbo ng artificial intelligence upang mapabuti ang bilis ng pagba-browse, at sa internet bilang alam namin ito, para sa lahat ng mga uri ng file.

Sa Silicon Valley, Richard Hendricks ay nagdisenyo ng isang walang uliran na sistema ng kompresyon na nagbabago sa internet. Ang sistema, na tinawag niya na Pied Piper, ay nagiging mga file sa featherweights, na nagbabago ng pagbabahagi ng file at -storage. Sa palabas, ito ang pambihirang tagumpay sa mahabang pangangailangan ng internet, at ginagawang mas malaki ito ng Hendricks (na may maraming hiccups, madalas salamat sa Erlich Bachman) dahil sa kanyang imbensyon. Ang mga device ay hindi na kailangang mag-imbak ng mga file, dahil ang mga maliliit, naka-compress na bersyon ay maaaring mabuhay sa cloud.

Sa kasalukuyang, karaniwang mga paraan ng compression, ang mga imahe ay nawala ang impormasyon. Ang mga grupo ng mga pixel ay lumubha, na maaaring maging isang nakamamanghang, naisip-out, mataas na kalidad na makuha sa isang mas mababa sa mata-nakahahalina snapshot. Ngunit ang compression ng Google A.I. ay nagpapanatili ng buong resolusyon. "Gaya ng alam natin, ito ang kauna-unahang arkitektura ng network ng neural na nakagagaling ng JPEG sa compression ng imahe," sumulat ang mga mananaliksik. Ang isang neural network ay isinasalin ang imahe sa code, ngunit ito ay malapit na-walang kamali-mali, at ang iba pang mga neural network ay deciphers ang code upang ibura ang isang perpektong pagbabagong-tatag ng orihinal na imahe.

Ang unang yugto ng neural net ay tumatagal ng ilang mga pass sa ibabaw ng litrato, sa bawat oras na pag-aaral ng higit pa tungkol sa kung paano pinakamahusay na downsize ito. Ang unang pass ay nakakakuha ng malapit sa kung ano ang inaasahan namin mula sa compression ngayon, ngunit ang bawat kasunod na pass linisin ang anumang mga error at optimize ang pag-encode ng imahe. "Kahit na ang mga karaniwang ginagamit na codec ngayon ay mahusay na gumagana, ipinapakita ng aming trabaho na ang paggamit ng mga neural network upang i-compress ang mga imahe ay nagreresulta sa isang scheme ng compression na may mas mataas na kalidad at mas maliit na laki ng file," ang Google writes.

Ang Google, kung saan ang isa ay maaaring sabihin ay medyo itinatag, ay hindi kailangang makatagpo ang parehong mga blockblocks na patuloy na salot ang kathang-isip Pied Piper misfits. Ngunit kailangan ng Google na gumawa ng machine-learning compression system ng trabaho para sa audio at video, lalo na kung umaasa silang mapabilib ang Hendricks. Anuman, ipinaalam niya na ito ay kilala na ang Pied Piper ay higit na mataas. Gayunman, ang mga sa atin sa totoong mundo ay kailangang kontento sa bersyon ng Google. Silicon Valley Ang mga tagalikha ay walang alinlangan na magpapalabas sa tunay na Silicon Valley, na nagpapakita ng kasalukuyang teknolohiya at pinag-aaralan kung ano ang darating.