Les chercheurs affirment que ce modèle d’IA permet d’obtenir de meilleurs taux de compression que les PNG

0
146

La compression des images a été l’un des défis en constante évolution de l’informatique. Les programmeurs et les chercheurs essaient toujours d’améliorer les normes actuelles ou d’en créer de nouvelles pour obtenir une meilleure qualité d’image à une taille inférieure.

Au début de ce mois, des chercheurs de l’université du Texas à Austin, Sheng Cao, Chao-Yuan Wu et Philipp Krahenbuhl, publié un document qui envisage d’utiliser la super-résolution pour obtenir une compression sans perte des images. Ce modèle est appelé « Super-Resolution based Compression » (SReC).

Mais avant d’entrer dans les détails de la recherche. Essayons de comprendre ce que signifient certains de ces termes. La super-résolution est une pratique visant à améliorer la résolution d’une image basse résolution par différentes techniques. L’idée est de ne pas perdre la qualité tout en augmentant la résolution.

[Read: JPEG committee is banking on AI to build its next image codec]

Deuxièmement, lorsqu’il n’y a pas de perte de données ou de détails lorsque vous comprimez une image ou un fichier audio, on parle de compression sans perte. Les fichiers d’images PNG sont un exemple de compression sans perte.

Le nouveau modèle utilise la super-résolution pour obtenir la compression d’une image à haute résolution. Pour ce faire, le modèle stocke d’abord une copie basse résolution d’une image d’entrée sous forme de pixels bruts. Ensuite, il applique trois itérations de compression sans perte de modèles à super-résolution pour produire une image de sortie de taille inférieure.

Crédit : SRec