Wer etwas in gängigen Bildkompressionsverfahren bewandert ist, denkt wohl regelmäßig, dass nun aber das Ende der Fahnenstange erreicht sein muss. Betrachtet mit bloßem Auge die hochauflösende Bildqualität, die sich heutzutage in wenigen MB speichern lässt, so staunt man umso mehr, wenn man weiß, wie digital komprimierte Bilder mit der gleichen Speichermenge vor 20 Jahren aussahen.
Doch natürlich erhält nun auch die Künstliche Intelligenz Einzug in das Forschungsgebiet der digitalen Bildkompression und dabei mischen die Forschungsteams von Google schon seit Jahren ganz vorne mit.
Die aktuell enorm hippen generativen KI Diffusionsmodelle eignen sich interessanterweise auch zur Bildkompression, was bisher jedoch noch wenig Beachtung fand wurde. Die Google-Forscher haben nun eine neue Methode vorgeschlagen, die einen Standard-Autoencoder, der für den mittleren quadratischen Fehler optimiert ist, mit einem Diffusionsprozess kombiniert, um feine Details, die vom Autoencoder verworfen wurden, wiederherzustellen und hinzuzufügen.
In eigenen Tests konnten so fein abgestimmte Diffusionsmodelle als Bildkompressoren viele andere aktuelle generative Ansätze in Bezug auf die Bildqualität übertreffen.
Wie so oft bei Diffusionsmodellen sind die Ergebnisse dabei sehr stark vom verwendeten Rauschen abhängig. Im Gegensatz zu Text-Bild-Modellen wie Stable Diffusion ist beim Training des Diffusionsprozesses für die Kompression tendenziell eher weniger Rauschen von Vorteil, da die groben Details bereits angemessen von der Autoencoder-Rekonstruktion erfasst werden.
Wer nicht das Arxiv-Paper lesen will, findet hier eine etwas vereinfachte Darstellung des Verfahrens.
Von einer praktischen Implementation ist das ganze Projekt sicherlich noch ein gutes Stück entfernt. Fest steht jedoch auch, dass wir noch in Zukunft effektivere Kompressionsverfahren erleben werden.
