Renderizado profundo, una startup londinense y una spin-out del Imperial College que aplica el aprendizaje automático a la compresión de imágenes, ha recaudado 1,6 millones de libras esterlinas en financiación inicial. Liderando la ronda está Pentech, con la participación de Speedinvest.
Fundada a mediados de 2017 por Arsalan Zafar y Chri Besenbruch, quienes 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 provoca que las conexiones a Internet se atasquen, especialmente durante los períodos pico exacerbados por el bloqueo actual. en muchos países.
Específicamente, la startup está tomando lo que afirma es un enfoque completamente nuevo para la compresión de imágenes, señalando que los datos de imágenes y videos 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 director ejecutivo de Deep Render, Chri Besenbruch.
“Nuestro ingrediente secreto, 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 de los cuales está 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 provoca retrasos, sino que también puede provocar pérdidas de datos que, en última instancia, 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 renderizado 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 entrenamiento “extremo a extremo”.
“Además, Deep Render entrena su plataforma de aprendizaje automático con el objetivo final en mente”, agrega Besenbruch. “Esto tiene la ventaja 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, también puede decir qué imágenes son más agradables a la vista. Como humanos, hacemos esto intuitivamente. Sabemos cuándo el color está un poco apagado o el paisaje no se ve del todo bien. Ni siquiera nos damos cuenta de que hacemos esto la mayor parte del tiempo, pero juega un papel importante en la forma en que evaluamos las imágenes y los videos”.
Como prueba de concepto, Deep Render llevó a cabo un estudio de Amazon MTurk a gran escala, con 5000 participantes, para probar su algoritmo de compresión de imágenes con BPG (un estándar de 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 con el conjunto de datos de CLIC-Vision, más del 95 % de los participantes calificaron sus imágenes como más agradables a la vista, y las imágenes Deep Render tenían solo la mitad del tamaño del archivo.
“Nuestro avance tecnológico representa la base para una nueva clase de métodos de compresión”, afirma el cofundador de Deep Render.
Cuando se le pidió que nombrara competidores directos, Besenbruch dice que un competidor anterior fue Magic Pony, la compañía de compresión de imágenes comprada por Twitter por 150 millones de dólares al año después de su fundación.
“Magic Pony también buscaba el aprendizaje profundo para resolver los desafíos de la compresión de imágenes y videos”, explica. “Sin embargo, Magic Pony buscó mejorar la canalización de compresión tradicional a través de pasos de procesamiento posterior y previo utilizando IA y, por lo tanto, en última instancia, todavía estaba limitado por sus restricciones. Deep Render no quiere ‘mejorar’ la tubería de compresión tradicional; salimos a destruirlo y reconstruirlo a partir de sus cenizas”.
A eso, Besenbruch dice que actualmente los únicos competidores similares a Deep Render son WaveOne con sede en Silicon Valley y TuCodec con sede en Shanghái. “Deep Render es la respuesta europea a la guerra sobre el futuro de la tecnología de compresión. Las tres empresas se constituyeron aproximadamente al mismo tiempo”, añade.
Source link