谷歌采用GANs与神经网络打造图像压缩新算法
还在为图像加载犯愁吗？ 最新的好消息是，谷歌团队采用了一种gans与基于神经网络的压缩算法相结合的图像压缩方式hific，在码率高度压缩的情况下，仍能对图像高保真还原。
gan（generative adversarial networks，生成式对抗网络）顾名思义，系统让两个神经网络相互「磨炼」，一个神经网络负责生成接近真实的数据，另一个神经网络负责区分真实数据与生成的数据。
简单来说，就是一个神经网络「造假」，另一个神经网络「打假」，而当系统达到平衡时，生成的数据看起来便会非常接近真实数据，达到「以假乱真」的效果。
下面是这种算法展现出来的图像与jpg格式图像的对比。 可见，在图像大小接近的情况下（hific大小74kb，jpg图像大小78kb），算法所展现出来的图像压缩效果要好得多。
而在与原图进行对比时，hific所展现出来的还原效果仍然非常优秀。（真的不是在原图中间画了条线吗？）
目前处于特殊时期，大量国外网友仍在家中隔离，netflix和油管的播放量暴增，一些视频网站甚至不得不被迫降低视频在线播放的清晰度，以适应激增的数据量。
但看惯了高清视频的网友们，面对突如其来的「模糊打击」自然怨声载道。
用一位网友的话来说，如果视频行业也能被应用类似的技术，相信netflix和油管会特别高兴，毕竟这种高清低码率的图像复原实在太诱惑。
哇，如果他们可以对视频做同样的事情的话，我相信netflix和youtube会很高兴的。
事实上，在了解hific算法的原理后，会发现它的确不难实现。
接近原图的图像重构算法
此前，相关研究已有采用神经网络进行图像压缩的算法，而随着近年来生成式对抗网络兴起，采用gans生成以假乱真图像的算法也不在少数。
如果能有办法将二者结合，图像压缩的效果是不是会更好、更接近于人类的感知？
这次图像压缩的模型便是基于二者的特性设计，在基于神经网络的压缩图像算法基础上，采用gans进一步让生成的图片更接近于人类视觉，在图像大小和视觉感知间达到一个平衡。
可以看见，hific的架构被分成了4个主要部分，其中e为编码器，g为生成器，d为判别器，而p则是e的输出e(x)的概率模型（这里用y表示），也就是p用于模拟y的概率分布。
gans运作的核心思想在于，需要让架构中的生成器g通过某种方法，「欺骗」判别器d判定样本为真。
而概率模型p，则是达成这步操作的条件。
然后，将e、g、p参数化为卷积神经网络，这样就可以通过率失真优化的条件，对这些网络进行共同训练。
同时，研究者也对已有的几种gans算法架构进行了微调，使其更适于hific架构。
研究发现，将gans与深度学习相结合的hific算法取得了意想不到的效果。
模型评估
下图是采用目前几种主流图像质量评估标准，对几种前沿的图像压缩算法与hific算法进行比较的结果。
在图中，评估标准后面自带的箭头，表示数据更低（↓）或数据更高（↑）表示图像质量更好。
为了更好地对比，结果分别采用了hific算法（图中红点连线）、不带gans的对比算法（图中橙方连线）、目前较为前沿的m&s算法（图中蓝方连线）和bpg算法（图中蓝点连线）。
从结果来看，hific算法在fid、kid、niqe、lpips几种评估标准均为最优，而在ms-ssim和psnr标准中表现一般。
由评估标准间的差异可见，各项图像质量标准不一定是判断压缩技术的最好办法。
用户评测对比
毕竟，图像是用来看的，最终的判断权还得交回用户手里。
图像究竟是否「清晰」，某种程度上得通过人眼的判断来决定。
出于这个考虑，团队采取了调研模式，让一部分志愿者参与算法的比较。
他们先展示一张测试图片的随机裁切图样，当志愿者对其中某张裁切图样感兴趣时，便用这一部分来进行所有算法的对比。
志愿者将原图与经过算法处理后的图像对比后，选出他们认为「视觉上」更接近于原图的压缩算法。
在所有算法经过选取后，将会出现一个排名，以衡量hific的实际效果。（其中，hific的角标hi、mi和lo分别为设置由高至低3种不同码率阈值时的算法）
上图中，评分越低，则代表图像在用户眼中「越清晰」。从图中来看，hific(mi)在0.237bpp的压缩效果下，甚至比两倍码率的0.504bpp的bpg算法在用户眼里还要更好。
即使压缩效果达到了0.120bpp，也比0.390bpp的bpg算法更好。
这项研究再次推动了图像压缩技术的发展，正如网友所说，随着图像压缩技术的发展，在线看4k电影也许真能实现。
紫光成都拿下面积约782.71亩圈地 或用来制造芯片
CPU利用率过高的原因是什么
能源变革！新型电动汽车将与燃油车大PK
供水厂企业中的水务数字化转型的应用发展
工业CAN2.0及CAN-FD隔离器及共模干扰抑制模组
谷歌采用GANs与神经网络打造图像压缩新算法
中国芯上市公司应收账款周转天数排行榜
娃哈哈商业股份有限公司新成立了浙江娃哈哈智能机器人有限公司
物联网概念逐步升温意味着什么
电池管理系统的组成 锂离子电池充电管理IC设计方案
利用纺织柔性压阻传感器检测表皮脉搏
瑞士展示意念控制机器人 可为瘫痪病人提供帮助
蒸汽回收机安装时应该考虑的安全问题都有哪些
分享e-works的理解和看法
氢燃料电池汽车补贴政策
小米领衔 中国四大手机品牌占领印度近七成智能手机市场
5G技术怎样促进AI在各行业的应用落地
详解LDO的几个重要参数
lora生物质燃料测温防自燃温度监测系统
大屏高清显示时代来临 TCL华星Oxide技术引领业界顶级水准
gan（generative adversarial networks，生成式对抗网络）顾名思义，系统让两个神经网络相互「磨炼」，一个神经网络负责生成接近真实的数据，另一个神经网络负责区分真实数据与生成的数据。
简单来说，就是一个神经网络「造假」，另一个神经网络「打假」，而当系统达到平衡时，生成的数据看起来便会非常接近真实数据，达到「以假乱真」的效果。
下面是这种算法展现出来的图像与jpg格式图像的对比。 可见，在图像大小接近的情况下（hific大小74kb，jpg图像大小78kb），算法所展现出来的图像压缩效果要好得多。
而在与原图进行对比时，hific所展现出来的还原效果仍然非常优秀。（真的不是在原图中间画了条线吗？）
目前处于特殊时期，大量国外网友仍在家中隔离，netflix和油管的播放量暴增，一些视频网站甚至不得不被迫降低视频在线播放的清晰度，以适应激增的数据量。
但看惯了高清视频的网友们，面对突如其来的「模糊打击」自然怨声载道。
用一位网友的话来说，如果视频行业也能被应用类似的技术，相信netflix和油管会特别高兴，毕竟这种高清低码率的图像复原实在太诱惑。
哇，如果他们可以对视频做同样的事情的话，我相信netflix和youtube会很高兴的。
事实上，在了解hific算法的原理后，会发现它的确不难实现。
接近原图的图像重构算法
此前，相关研究已有采用神经网络进行图像压缩的算法，而随着近年来生成式对抗网络兴起，采用gans生成以假乱真图像的算法也不在少数。
如果能有办法将二者结合，图像压缩的效果是不是会更好、更接近于人类的感知？
这次图像压缩的模型便是基于二者的特性设计，在基于神经网络的压缩图像算法基础上，采用gans进一步让生成的图片更接近于人类视觉，在图像大小和视觉感知间达到一个平衡。
可以看见，hific的架构被分成了4个主要部分，其中e为编码器，g为生成器，d为判别器，而p则是e的输出e(x)的概率模型（这里用y表示），也就是p用于模拟y的概率分布。
gans运作的核心思想在于，需要让架构中的生成器g通过某种方法，「欺骗」判别器d判定样本为真。
而概率模型p，则是达成这步操作的条件。
然后，将e、g、p参数化为卷积神经网络，这样就可以通过率失真优化的条件，对这些网络进行共同训练。
同时，研究者也对已有的几种gans算法架构进行了微调，使其更适于hific架构。
研究发现，将gans与深度学习相结合的hific算法取得了意想不到的效果。
模型评估
下图是采用目前几种主流图像质量评估标准，对几种前沿的图像压缩算法与hific算法进行比较的结果。
在图中，评估标准后面自带的箭头，表示数据更低（↓）或数据更高（↑）表示图像质量更好。
为了更好地对比，结果分别采用了hific算法（图中红点连线）、不带gans的对比算法（图中橙方连线）、目前较为前沿的m&s算法（图中蓝方连线）和bpg算法（图中蓝点连线）。
从结果来看，hific算法在fid、kid、niqe、lpips几种评估标准均为最优，而在ms-ssim和psnr标准中表现一般。
由评估标准间的差异可见，各项图像质量标准不一定是判断压缩技术的最好办法。
用户评测对比
毕竟，图像是用来看的，最终的判断权还得交回用户手里。
图像究竟是否「清晰」，某种程度上得通过人眼的判断来决定。
出于这个考虑，团队采取了调研模式，让一部分志愿者参与算法的比较。
他们先展示一张测试图片的随机裁切图样，当志愿者对其中某张裁切图样感兴趣时，便用这一部分来进行所有算法的对比。
志愿者将原图与经过算法处理后的图像对比后，选出他们认为「视觉上」更接近于原图的压缩算法。
在所有算法经过选取后，将会出现一个排名，以衡量hific的实际效果。（其中，hific的角标hi、mi和lo分别为设置由高至低3种不同码率阈值时的算法）
上图中，评分越低，则代表图像在用户眼中「越清晰」。从图中来看，hific(mi)在0.237bpp的压缩效果下，甚至比两倍码率的0.504bpp的bpg算法在用户眼里还要更好。
即使压缩效果达到了0.120bpp，也比0.390bpp的bpg算法更好。
这项研究再次推动了图像压缩技术的发展，正如网友所说，随着图像压缩技术的发展，在线看4k电影也许真能实现。
紫光成都拿下面积约782.71亩圈地 或用来制造芯片
CPU利用率过高的原因是什么
能源变革！新型电动汽车将与燃油车大PK
供水厂企业中的水务数字化转型的应用发展
工业CAN2.0及CAN-FD隔离器及共模干扰抑制模组
谷歌采用GANs与神经网络打造图像压缩新算法
中国芯上市公司应收账款周转天数排行榜
娃哈哈商业股份有限公司新成立了浙江娃哈哈智能机器人有限公司
物联网概念逐步升温意味着什么
电池管理系统的组成 锂离子电池充电管理IC设计方案
利用纺织柔性压阻传感器检测表皮脉搏
瑞士展示意念控制机器人 可为瘫痪病人提供帮助
蒸汽回收机安装时应该考虑的安全问题都有哪些
分享e-works的理解和看法
氢燃料电池汽车补贴政策
小米领衔 中国四大手机品牌占领印度近七成智能手机市场
5G技术怎样促进AI在各行业的应用落地
详解LDO的几个重要参数
lora生物质燃料测温防自燃温度监测系统
大屏高清显示时代来临 TCL华星Oxide技术引领业界顶级水准