Deep Render, una startup londinense y spin-off del Imperial College que está aplicando el aprendizaje automático a la compresión de imágenes, ha recaudado £ 1,6 millones en fondos iniciales. Liderando la ronda está Pentech, con participación de Speedinvest.
Fundada a mediados de 2017 por Arsalan Zafar y Chri Besenbruch, que se conocieron mientras estudiaban Ciencias de la Computación en el Imperial College de Londres, Deep Render quiere ayudar a resolver el problema del consumo de datos que está causando el estrangulamiento de las conexiones a Internet, especialmente durante los períodos pico exacerbados por el bloqueo actual. en muchos países.
Específicamente, la startup está tomando lo que dice es un enfoque completamente nuevo para la compresión de imágenes, y señala que los datos de imagen y video comprenden más del 80% del tráfico de Internet, impulsado por video a pedido y transmisión en vivo.
“Nuestra tecnología de” Compresión biológica “reconstruye la compresión de medios desde cero utilizando los avances de la revolución del aprendizaje automático e imitando los procesos neuronales del ojo humano”, explica el cofundador y CEO de Deep Render, Chri Besenbruch.
“Nuestra salsa secreta, por así decirlo, está en la forma en que los datos se comprimen y se envían a través de la red. La tecnología tradicional se basa en varios módulos, cada uno conectado entre sí, pero que en realidad no “hablan” entre sí. Una imagen se optimiza para el módulo uno antes de pasar al módulo dos, y luego se optimiza para el módulo dos y así sucesivamente. Esto no solo causa demoras, sino que también puede causar pérdidas en los datos que finalmente pueden reducir la calidad y la precisión de la imagen resultante. Además, si una etapa de optimización no funciona, los otros módulos no lo saben, por lo que no pueden corregir ningún error “.
Equipo de render profundo
Para remediar esto, Besenbruch dice que la tecnología de compresión de imágenes de Deep Render reemplaza todos estos componentes individuales con un componente muy grande que habla en todo su dominio. Esto significa que cada paso de la lógica de compresión está conectado con los demás en lo que se conoce como un método de capacitación “de extremo a extremo”.
“Además, Deep Render entrena su plataforma de aprendizaje automático con el objetivo final en mente”, agrega Besenbruch. “Esto tiene el beneficio de aumentar la eficiencia y la precisión de las funciones lineales y ampliar la capacidad del software para modelar y realizar funciones no lineales. Piense en ello como una línea y una curva. Una imagen, por su naturaleza, tiene mucha curvatura debido a los cambios de tono, luz, brillo y color. Al expandir la capacidad del software de compresión para considerar cada una de estas curvas significa que también puede determinar qué imágenes son más agradables visualmente. Como humanos, hacemos esto intuitivamente. Sabemos cuando el color está un poco apagado, o el paisaje no se ve muy bien. Ni siquiera nos damos cuenta de que hacemos esto la mayor parte del tiempo, pero juega un papel importante en la forma de evaluar las imágenes y los videos “.
Como prueba de concepto, Deep Render llevó a cabo un estudio de Amazon MTurk a gran escala, compuesto por 5.000 participantes, para probar su algoritmo de compresión de imágenes contra BPG (un estándar del mercado para la compresión de imágenes y parte del estándar de compresión de video H .265). Cuando se les pidió que compararan la calidad perceptiva sobre el conjunto de datos de CLIC-Vision, más del 95% de los participantes calificaron sus imágenes como visualmente más agradables, con imágenes de Deep Render de solo la mitad del tamaño del archivo.
“Nuestro avance tecnológico representa la base de una nueva clase de métodos de compresión”, afirma el cofundador de Deep Render.
Cuando se le pidió nombrar competidores directos, Besenbruch dijo que un competidor anterior era Magic Pony, la compañía de compresión de imágenes comprada por Twitter por unos $ 150 millones al año después de su fundación.
“Magic Pony también estaba estudiando el aprendizaje profundo para resolver los desafíos de la compresión de imágenes y videos”, explica. “Sin embargo, Magic Pony buscó mejorar la tubería de compresión tradicional a través de los pasos posteriores y de preprocesamiento utilizando AI, y por lo tanto, en última instancia, todavía estaba limitado por sus restricciones. Deep Render no quiere “mejorar” la tubería de compresión tradicional; estamos para destruirlo y reconstruirlo de sus cenizas ”.
Para eso, Besenbruch dice que actualmente los únicos competidores similares a Deep Render son WaveOne con sede en Silicon Valley y TuCodec con sede en Shanghai. “Deep Render es la respuesta europea a la guerra sobre el futuro de la tecnología de compresión. Las tres compañías se incorporaron aproximadamente al mismo tiempo ”, agrega.
Source link