leiphone 恒亮

無論是本地硬碟還是網路雲端儲存，我們都希望用最小的空間儲存最大的數據量。為了達到這個目的，各種各樣的文件壓縮技術和標準也應運而生。

圖片裡有JPEG和PNG，音頻裡有MP3和FLAC，影像裡有RMVB和MKV，還有ZIP和TAR等各種壓縮，其實他們的最終目的是一樣的：最大限度地保持數據的原始資訊，同時生成最小體積的可讀寫文件。

現在，谷歌憑借神經網路的方法，又向著這個目標往前跨了一大步。

來自谷歌的一個研究團隊，日前憑借神經網路訓練法，讓電腦對圖片文件的壓縮效率，達到了新高度。

據外媒報道，這種新的壓縮算法，效果要優於傳統的JPEG壓縮，在同樣的清晰度下，使用神經網路算法壓縮的文件體積要比JPEG更小。

團隊的具體做法是：首先從網路上隨機挑選6百萬張已經被壓縮過的圖片，並將每張圖片都切割成若干個32x32大小的像素碎片，從每張圖片中都挑出100個壓縮效果最差的碎片，輸入到神經網路中進行學習。

經過反複訓練，告訴神經網路哪些是最差的壓縮，讓電腦自己學習這些最差壓縮的特點。科學家們的想法是：如果電腦掌握了最差壓縮的圖片特點，那就能夠在後續的壓縮算法中有效規避，於是在保證文件壓縮比的同時，能最大限度地確保圖片的顯示效果。

該神經網路壓縮的實現方式，類似於訓練中的情況。電腦會將一張照片，首先拆分成若干個小片段，並針對每個片段的特點進行單獨壓縮，隨後再將所有片段組合起來，形成最後的輸出結果。

在團隊成員發表的論文中，可以看到算法的具體實現情況，其中也展示了神經網路算法，在大部分壓縮比例下都優於JPEG的效果。

不過谷歌也承認，人類的視覺系統或許是所有感知系統中，最難把握的一個，因為有些人對某種特定的變化很敏感，而另一些又不敏感，目前還無法形成一個統一的判定標準，一張圖片到底怎樣才算最優的顯示。

無論如何，谷歌都在努力將我們的越來越龐大的媒體數據，盡量無損地壓縮到最小，這在任何時候都是一件好事。

按此回今日3S Market新聞首頁

3S MARKET