Newsmeldung von slashCAM:
Forscher der ETH Zürich und von Google haben einen sehr interessantes Modell zur neuronalen Kompression veröffentlicht. Unter dem Projekttitel "High-Fidelity Generative I...
Hier geht es zur Newsmeldung auf den slashCAM Magazin-Seiten:
Neuronale Kompression zum Ausprobieren HiFiC- High-Fidelity Generative Image Compression
Antwort von dosaris:
beeindruckend ?
nur anscheinend.
Wenn die Methode auf genau die genutzten Bilder trainiert wurde werden die Resultate
fast zwangsläufig gut sein. Im extremsten Falle beinhaltet die Bilddatei nur den Eintrag:
Bild #5
uns sofort wird das Photo in Spitzenqualität dargestellt bei wahnsinnigem "Kompressionsfaktor".
Jedes verallgemeinerte Prinzip muss dagegen (stark) abfallen.
was lehrt uns das?
Eigentlich nix,
außer dass es so ist wie dargestellt.
Interessant wären Darstellungen von Photos, die mit den Trainingsdaten völlig unkorreliert sind.
Antwort von -paleface-:
Interessant für Instagram und Co.
Wie viele tausend Fotos gibt es von 1 und dem selben Gebäude nur mit nem anderen Touristen davor.
Die können sich damit ordentlich Datenrate sparen.
Antwort von tom:
dosaris hat geschrieben:
beeindruckend ?
nur anscheinend.
Wenn die Methode auf genau die genutzten Bilder trainiert wurde werden die Resultate
fast zwangsläufig gut sein. Im extremsten Falle beinhaltet die Bilddatei nur den Eintrag:
Bild #5
uns sofort wird das Photo in Spitzenqualität dargestellt bei wahnsinnigem "Kompressionsfaktor".
Jedes verallgemeinerte Prinzip muss dagegen (stark) abfallen.
was lehrt uns das?
Eigentlich nix,
außer dass es so ist wie dargestellt.
Interessant wären Darstellungen von Photos, die mit den Trainingsdaten völlig unkorreliert sind.
Wenn das neuronale Netzwerk mit den Beispielbildern trainiert worden wäre, wären die Demos natürlich total sinnlos - wir gehen allerdings bei einer Arbeit der ETH Zürich davon aus, daß das nicht der Fall ist, sonst würden sich die Forscher im wissenschaftlichen Kontext lächerlich machen.
Das das nicht der Fall ist kann man allerdings daran erkennen, daß die Strukturen des HiFiC Bildes eben nicht exakt dem Original entsprechen, sondern eher logische Ergänzungen sind.
Und natürlich muss der Algorithmus mit Photos trainiert sein, die irgendwie Ähnlichkeiten aufweisen mit dem Demomaterial, sonst würde er ja nicht funktionieren, aber mit einem genügend großen Korpus als Trainingsphotos sollte es ja tatsächlich der Fall sein, daß er alles schon einmal so ähnlich gesehen hat.
Wie gut HiFic mit den unterschiedlichsten Bildern funktioniert werden wir ja bald sehen, wenn der Code online ist.
