Google用機器學習壓縮照片,可保留細節、最高可省75%傳輸頻寬

2017.01.13 by
張庭瑜
Google用機器學習壓縮照片,可保留細節、最高可省75%傳輸頻寬
shuttrestock
Google用機器學習技術壓縮圖檔,再使用影像還原技術「RAISR(Rapid and Accurate Super Image Resolution)」還原圖片細節,讓我們可在瀏覽高品質圖片的同時,減少下載流量。

為了看高解析度圖片,往往必須忍受龜速的載入速度和耗費更多傳輸量,對於行動上網沒有吃到飽的人,更是一大困擾。為了幫忙節省傳輸量,Google採應用機器學習的新壓縮技術「RAISR(Rapid and Accurate Super Image Resolution)」,讓我們可在瀏覽高品質圖片的同時,減少圖片傳輸所需頻寬。

Google

Google表示,RAISR技術透過機器學習,將圖片畫素壓縮到原始大小的1/4並還原圖片細節,讓壓縮後的圖片雖然解析度較低、卻依然保有高品質。使用RAISR後,每張圖最多可減少75%的下載所需頻寬。目前,Google每周用RAISR技術升級超過10億張圖片,整體而言約可替用戶減少1/3的傳輸頻寬。

Google在2016年11月發表RASIR,今日將該技術用於Google+的相片服務。傳統的影像還原技術,使用的方法為在像素旁加入相似的新像素,對於改善照片細節效果有限;相較下,RASIR則是運用機器學習,比較壓縮前後的照片、學習其中的差異再予以還原。

使用RAISR壓縮技術的圖像還原步驟。
Google

雖然該服務聽起來相當吸引人,但目前只針對Google+相片串流,且限定Android用戶。Google預計在未來幾周將此技術套用在旗下更多應用程式和服務。

這是Google使用RAISR推出的第二項服務。Google在2016年12月曾在旗下iOS app「Motion Stills」應用RAISR技術,用於銳化iPhone Live Photos影片。

資料來源:GoogleZDNetThe Verge

每日精選科技圈重要消息