Comments 8
А выигрыш в размере не столь велик, чтобы ускорить последующие стадии сжатия.
Кстати, когда разбирался с производительностью сохранения в PNG, выяснилось, что по-умолчанию кодировщик перебирает все доступные фильтры и тратит на это бОльшую часть времени. А если ограничить его одним фильтром (например для большинства синтетических изображений из нашей выборки Up фильтр оказался оптималным), то скорость возрастает в разы.
Спасибо за перевод интересной статьи. Продажа Magic Pony за 150 миллионов долларов показывает, что у нейросетей огромный потенциал в обработке изображений. В данном случае эксперимент интересен, но не является "чистым" — для чистого теста лучше было бы заставить нейронную сеть, например, динамически выбирать лучший из существующих в стандарте предикторов. Так как встраивание нового предиктора в PNG поломает совместимость со всеми существующими декодерами, но не докажет превосходство нейронных сетей. Сейчас в PNG используются тривиальные алгоритмы предсказания, а их заменили новым, нелинейным и зависящим от большого количества пикселов. Вероятно, что и не основанный на нейронной сети, но учитывающий большое количество информации детерминированный алгоритм тоже дал бы лучшие результаты.
Нейронная сеть как предиктор для кодирования изображений формата PNG