[15:34 Fr,30.September 2016 [e] von Rudi Schmidts] |
Gated Recurrent Units (GRUs) sind der neueste Schrei im weiten Feld der künstlichen Intelligenz. Ähnlich den LSTMs (Long Short Term Memories) arbeiten sie jedoch ohne Output Gate und eigenen sich in rekurrenten Netz-Strukturen offensichtlich vorzüglich zur Bildkompression. Das wollen jetzt zumindest die KI-Forscher von Google belegt haben, die mit einem offen gelegten Tensorflow-Modell nun gezeigt haben, dass die Bildqualität gegenüber JPEGs bei gleichem Datenverbrauch deutlich "besser" sein kann.
;) Aus etwas bescheidener eigener Erfahrung zu dem Thema wollen wir zwei Dinge zur Kompression mit Neuronalen Netzen anmerken: - Erstens wird die benötige Kompressionszeit bis auf weiteres nicht mit heute gängigen Verfahren vergleichbar sein. Für Videoanwendungen wird diese Art der Kompression mit pragmatischem Zeitbudget definitiv bis auf weiteres nicht einsetzbar sein. - Dafür sind diese Methoden und Ideen für das Upscaling von Bildern in der Regel höchst spannend und teilweise schon heute sehr erfolgreich. Da – einfach erklärt - Bildstrukturen durch Formeln ausgedrückt werden ist die Speicherung bis zu einem gewissen Teil auflösungsunabhängig. Gelernte Strukturen können somit auch in einer höheren Auflösung ausgeben werden, ähnlich einer Vektorgrafik. Somit könnte im Bereich Upscaling im 8K und 16K-Bereich hier die wirklich große Chance für neuronale Repräsentation liegen. Und auch, wenn das jetzt alles wie ziemlich unrealistische Science Fiction klingt, sei euch allen versichert: Neuronale Netze werden in den nächsten Monaten und Jahren einiges im Filmumfeld umwerfen, was in den letzten Jahren als fest gemeißelt galt...  mehr Informationen bei research.googleblog.com |
 |
|
|
Messevideo: Sachtler FSB 10, Traglastbereich, Counterbalance u.a. // IBC 2016
iPhone 7 Plus - Tiefenschärfe Effekt analysiert
