Improving Image Compression Ratio Using the mUMamba Image Restoration Network

Chaque jour, environ trois milliards d'images voyagent à travers le monde numérique, circulant des téléphones vers les serveurs et inversement. Ce déluge de données visuelles exige des quantités vastes d'espace de stockage et des connexions Internet puissantes pour se déplacer sans délai. Pour maintenir ce système en fonctionnement, les ingénieurs s'appuient depuis longtemps sur la compression, un processus qui réduit la taille des fichiers en supprimant les informations que l'œil humain est peu susceptible de remarquer. Les méthodes traditionnelles fonctionnent en appliquant un ensemble uniforme de règles à une image entière, traitant un ciel lisse et une forêt complexe avec la même approche mathématique. Bien qu'efficaces, ces techniques standards peinent souvent à équilibrer le besoin de petites tailles de fichiers avec le désir d'images nettes et claires. Elles peuvent manquer les différences subtiles entre un arrière-plan simple et un premier plan détaillé, menant soit à des fichiers trop volumineux, soit à des résultats flous.

Une nouvelle approche cherche à résoudre cela en traitant les différentes parties d'une image de manière différente, un peu comme un bibliothécaire qui sait quels livres sont rarement lus et lesquels sont empruntés quotidiennement. Des chercheurs ont développé un système qui identifie les parties d'une photo qui sont essentielles et celles qui peuvent être temporairement mises de côté pour économiser de l'espace. L'objectif est de supprimer les parties inutiles lors de la transmission et de les reconstruire lorsque l'image arrive à destination. Cela nécessite un décodeur qui n'est pas seulement un récepteur passif, mais un restaurateur actif capable de deviner les détails manquants avec une grande précision, bien que non parfaitement, car une erreur de reconstruction subsiste.

Dans une étude récente, des chercheurs de l'Université de Semnan en Iran ont introduit un système appelé mUMamba pour relever ce défi. Leur méthode combine une analyse intelligente du contenu de l'image avec une nouvelle forme puissante d'intelligence artificielle conçue pour la restauration. Le processus commence par la décomposition d'une image en petits blocs carrés. Le système examine ensuite ces blocs à trois niveaux de détail différents, en les examinant comme de grands carrés de 16 par 16, des carrés moyens de 8 par 8 et de petits carrés de 4 par 4. À chaque niveau, le système décide si un bloc est assez simple pour être supprimé. Si un bloc contient une zone lisse et immuable, il est marqué pour suppression. S'il contient un bord tranchant ou un motif complexe, il est conservé. Cette approche hiérarchique permet au système d'être beaucoup plus agressif avec les zones simples tout en préservant soigneusement les détails complexes qui définissent l'image.

Une fois les blocs supprimables identifiés, le système ne se contente pas de les rejeter. Au lieu de cela, il envoie une petite quantité d'« indices » en accompagnement des données d'image restantes. Pour les blocs qui ont été supprimés parce qu'ils étaient lisses, le système envoie une simple flèche indiquant la direction du changement de couleur. Pour les blocs supprimés parce qu'ils contenaient un bord, il envoie une carte montrant où se trouvait ce bord. Crucialement, les parties de l'image qui sont conservées ne sont pas laissées sans compression ; elles sont encodées en utilisant la compression JPEG standard avant la transmission. L'image originale est désormais beaucoup plus petite, mais elle est incomplète. Les pièces manquantes doivent être reconstruites par l'appareil récepteur en utilisant uniquement les pixels compressés en JPEG et ces petits indices.

Pour effectuer cette reconstruction, les chercheurs ont employé un réseau neuronal, un type de programme informatique inspiré par le cerveau humain, construit sur une structure connue sous le nom de U-Net. Ce réseau est en forme de U, avec un chemin qui compresse l'information de l'image et un autre chemin qui l'étend à sa taille d'origine. Ce qui rend mUMamba unique, c'est le moteur qu'il utilise pour traiter les couches profondes de ce réseau. Au lieu des outils standards utilisés dans la plupart des logiciels d'image, les chercheurs ont intégré un composant basé sur une nouvelle architecture appelée Mamba. Ce composant est exceptionnellement doué pour comprendre les connexions à longue portée au sein des données, lui permettant de regarder loin à travers l'image pour trouver le contexte nécessaire pour combler les lacunes. Il agit comme un artiste hautement qualifié qui peut regarder les bords d'une pièce de puzzle manquante et instantanément savoir à quoi devrait ressembler le centre en se basant sur l'image environnante.

Les résultats de cette approche ont été testés sur une large collection d'images de test standards. Le système a atteint un taux de compression de 46,5 %, indiquant une réduction significative du volume de données, tout en maintenant un haut niveau de qualité visuelle. Lorsqu'il est mesuré par des métriques standards qui comparent l'image restaurée à l'originale, le système a obtenu un score indiquant une correspondance très proche, avec un PSNR de 25,15 dB. Plus important encore, le système était nettement plus rapide et nécessitait beaucoup moins de puissance de calcul que d'autres méthodes avancées. Il n'utilisait que 8,5 millions de paramètres, qui sont les réglages internes que l'ordinateur apprend pendant l'entraînement, contre plus de 40 millions pour les systèmes concurrents. Cette efficacité signifie que le système peut fonctionner sur des appareils plus petits, tels que des téléphones mobiles ou des capteurs dans des zones reculées, sans avoir besoin d'un supercalculateur puissant.

Les chercheurs ont également comparé leur méthode aux standards actuels les plus performants de l'industrie, tels que BPG et VVC. Ils ont découvert que mUMamba pouvait atteindre la même qualité visuelle avec un débit de données inférieur, économisant ainsi efficacement 18,2 % de la bande passante requise par ces standards. Dans des comparaisons directes avec d'autres outils de compression basés sur l'IA modernes, le nouveau système a amélioré la similitude structurelle des images de près de 23 % et la clarté de 7 %. Ces gains ont été réalisés tout en réduisant le temps de traitement d'une image de près d'un tiers.

L'étude souligne que la clé de ce succès n'était pas seulement l'utilisation d'un réseau neuronal puissant, mais la manière spécifique dont il a été combiné avec la méthode classique de suppression de blocs. En séparant la tâche en deux parties distinctes — d'abord, la décision logique de ce qui doit être supprimé et compressé via le JPEG standard, et ensuite, la tâche créative de reconstruire les parties manquantes — les chercheurs ont créé un système qui est à la fois efficace et performant. La stratégie hiérarchique consistant à vérifier les blocs à différentes tailles a permis au système de trouver plus d'opportunités de compression sans sacrifier la qualité de l'image finale.

Bien que le système soit très prometteur, les chercheurs notent qu'il fonctionne actuellement mieux avec des images de taille fixe et qu'il repose sur la compression standard pour les parties de l'image qui sont conservées. Les travaux futurs viseront à rendre le système plus flexible pour des images de toute taille et à remplacer les composants standards restants par des composants entièrement pilotés par l'IA. Pour l'instant, le cadre mUMamba constitue une étape importante vers une transmission d'images plus rapide et plus efficace, prouvant qu'en comprenant profondément le contenu d'une image, nous pouvons envoyer plus avec moins.