Google utiliza la 'inteligencia artificial' de Tensor Flow para comprimir imágenes
Las imágenes comprimidas son consideradas más fáciles de transmitir y almacenar que las que se encuentran sin comprimir, por lo que Google está utilizando redes neurales para batir a sus competidores en el apartado de la compresión, como pueda ser JPEG.
La compañía comenzó a tomar muestras de 6 millones de imágenes Random a la resolución de 1280 x 720 para ser empleadas en la Web. Fue entonces cuando se concentró en mejorar los índices de compresión de aquellas imágenes que presentaban los peores resultados. El objetivo era centrarse en mejorar el rendimiento en los datos para aquellos que resulta más difícil de comprimir. Los investigadores utilizaron el sistema de aprendizaje automático conocido como Tensor Flow basado en código abierto, que ya el pasado año pasó a formar parte del conjunto de arquitecturas de redes neuronales experimentales. Se utilizaron un millón de pasos para entrenarlos con el fin de recoger una serie de métricas con las que encontrar modelos de formación que produzcan los mejores resultados de compresión.
Superado este primer nivel, los investigadores también tuvieron que vencer los métodos de compresión derivados de códecs de compresión de vídeo en imágenes de gran tamaño. WebP, que se deriva del códec de vídeo VP8, es un ejemplo de dicho método.
Así pues, queda patente que en temas de compresión, no resulta fácil definir una tecnología de compresión ganadora, ya que las métricas empleadas no siempre están de acuerdo con la percepción humana. Sin embargo, con Tensor Flow la compañía logra construir y entrenar a las redes neuronales hasta cinco veces más rápido que si se utilizan los primeros sistemas. La finalidad no es otra que aprovechar el potencial de “machine learning” y utilizarlo para la próxima generación de aplicaciones Web.
La información procede del servicio de noticias IDG News Service, Katherine Noyes
