Improving Image Compression Ratio Using the mUMamba Image Restoration Network

Cada día, aproximadamente tres mil millones de imágenes viajan a través del mundo digital, moviéndose de los teléfonos a los servidores y viceversa. Esta inundación de datos visuales exige enormes cantidades de espacio de almacenamiento y conexiones de internet potentes para moverse sin demora. Para mantener este sistema en funcionamiento, los ingenieros han dependido durante mucho tiempo de la compresión, un proceso que reduce los archivos eliminando información que el ojo humano es poco probable que note. Los métodos tradicionales funcionan aplicando un conjunto uniforme de reglas a una imagen completa, tratando un cielo suave y un bosque complejo con el mismo enfoque matemático. Aunque es efectivo, estas técnicas estándar a menudo luchan por equilibrar la necesidad de tamaños de archivo pequeños con el deseo de imágenes nítidas y claras. Pueden perderse las sutiles diferencias entre un fondo simple y un primer plano detallado, lo que conduce a archivos sobredimensionados o resultados borrosos.

Un nuevo enfoque busca resolver esto tratando las diferentes partes de una imagen de manera distinta, de forma muy similar a un bibliotecario que sabe qué libros se leen rara vez y cuáles se consultan a diario. Los investigadores han desarrollado un sistema que identifica qué partes de una foto son esenciales y cuáles pueden dejarse de lado temporalmente para ahorrar espacio. El objetivo es eliminar las partes innecesarias durante la transmisión y luego reconstruirlas cuando la imagen llegue a su destino. Esto requiere un decodificador que no sea solo un receptor pasivo, sino un restaurador activo capaz de adivinar los detalles faltantes con alta precisión, aunque no perfectamente, ya que persiste algún error de reconstrucción.

En un estudio reciente, investigadores de la Universidad de Semnan en Irán presentaron un sistema llamado mUMamba para abordar este desafío. Su método combina un análisis inteligente del contenido de la imagen con una nueva y poderosa inteligencia artificial diseñada para la restauración. El proceso comienza dividiendo una imagen en pequeños bloques cuadrados. Luego, el sistema examina estos bloques en tres niveles diferentes de detalle, observándolos como cuadrados grandes de 16 por 16, cuadrados medianos de 8 por 8 y cuadrados pequeños de 4 por 4. En cada nivel, el sistema decide si un bloque es lo suficientemente simple como para ser eliminado. Si un bloque contiene un área suave e invariable, se marca para su eliminación. Si contiene un borde afilado o un patrón complejo, se conserva. Este enfoque jerárquico permite que el sistema sea mucho más agresivo con las áreas simples mientras preserva cuidadosamente los detalles intrincados que definen la imagen.

Una vez identificados los bloques eliminables, el sistema no simplemente los descarta. En su lugar, envía una pequeña cantidad de "pistas" junto con los datos de la imagen restante. Para los bloques que fueron eliminados porque eran suaves, el sistema envía una flecha simple indicando la dirección del cambio de color. Para los bloques eliminados porque contenían un borde, envía un mapa que muestra dónde se encontraba ese borde. Crucialmente, las partes de la imagen que se conservaron no se dejan sin comprimir; se codifican utilizando la compresión JPEG estándar antes de la transmisión. La imagen original es ahora mucho más pequeña, pero está incompleta. Las piezas faltantes deben ser reconstruidas por el dispositivo receptor utilizando únicamente los píxeles comprimidos por JPEG restantes y estas pequeñas pistas.

Para realizar esta reconstrucción, los investigadores emplearon una red neuronal, un tipo de programa informático inspirado en el cerebro humano, construida sobre una estructura conocida como U-Net. Esta red tiene forma de U, con un camino que comprime la información de la imagen y otro camino que la expande de nuevo a su tamaño original. Lo que hace que mUMamba sea único es el motor que utiliza para procesar las capas profundas de esta red. En lugar de las herramientas estándar utilizadas en la mayoría del software de imagen, los investigadores integraron un componente basado en una nueva arquitectura llamada Mamba. Este componente es excepcionalmente bueno entendiendo las conexiones de largo alcance dentro de los datos, lo que le permite mirar a través de toda la imagen para encontrar el contexto necesario para llenar los huecos. Actúa como un artista altamente capacitado que puede mirar los bordes de una pieza de rompecabezas faltante y saber instantáneamente cómo debería ser el centro basándose en la imagen circundante.

Los resultados de este enfoque fueron probados en una gran colección de imágenes de prueba estándar. El sistema logró una tasa de compresión del 46.5 por ciento, lo que indica una reducción significativa en el volumen de datos, manteniendo al mismo tiempo un alto nivel de calidad visual. Cuando se midió mediante métricas estándar que comparan la imagen restaurada con la original, el sistema logró una puntuación que indica una coincidencia muy cercana, con un PSNR de 25.15 dB. Más importante aún, el sistema fue significativamente más rápido y requirió mucha menos potencia de cálculo que otros métodos avanzados. Utilizó solo 8.5 millones de parámetros, que son los ajustes internos que la computadora aprende durante el entrenamiento, en comparación con los más de 40 millones de los sistemas competidores. Esta eficiencia significa que el sistema puede ejecutarse en dispositivos más pequeños, como teléfonos móviles o sensores en ubicaciones remotas, sin necesidad de una supercomputadora potente.

Los investigadores también compararon su método contra los estándares actuales utilizados en la industria, como BPG y VVC. Encontraron que mUMamba podía lograr la misma calidad visual con una tasa de datos menor, ahorrando efectivamente un 18.2 por ciento del ancho de banda requerido por esos estándares. En comparaciones directas con otras herramientas de compresión basadas en IA modernas, el nuevo sistema mejoró la similitud estructural de las imágenes en casi un 23 por ciento y la claridad en un 7 por ciento. Estos avances se lograron recortando también el tiempo de procesamiento de una imagen en casi un tercio.

El estudio destaca que la clave de este éxito no fue solo el uso de una red neuronal poderosa, sino la forma específica en que se combinó con el método clásico de eliminación de bloques. Al separar la tarea en dos partes distintas —primero, la decisión lógica de qué eliminar y comprimir usando JPEG estándar, y segundo, la tarea creativa de reconstruir las partes faltantes— los investigadores crearon un sistema que es tanto eficiente como efectivo. La estrategia jerárquica de revisar los bloques en diferentes tamaños permitió al sistema encontrar más oportunidades para la compresión sin sacrificar la calidad de la imagen final.

Si bien el sistema muestra una gran promesa, los investigadores señalan que actualmente funciona mejor con imágenes de un tamaño fijo y depende de la compresión estándar para las partes de la imagen que se conservan. El trabajo futuro buscará hacer el sistema más flexible para imágenes de cualquier tamaño y reemplazar los componentes estándar restantes con otros totalmente impulsados por IA. Por ahora, el marco mUMamba representa un paso significativo hacia la realización de una transmisión de imágenes más rápida y eficiente, demostando que al comprender profundamente el contenido de una imagen, podemos enviar más con menos.