Improving Image Compression Ratio Using the mUMamba Image Restoration Network

हर दिन, डिजिटल दुनिया में लगभग तीन अरब चित्र एक फोन से सर्वर और फिर वापस इधर-उधर यात्रा करते हैं। दृश्य डेटा का यह सैलाब विशाल भंडारण स्थान और बिना किसी देरी के डेटा स्थानांतरित करने के लिए शक्तिशाली इंटरनेट कनेक्शन की मांग करता है। इस प्रणाली को चालू रखने के लिए, इंजीनियर लंबे समय से संपीड़न (कंप्रेशन) पर निर्भर रहे हैं, जो एक ऐसी प्रक्रिया है जो उन सूचनाओं को हटाकर फाइलों को छोटा कर देती है जिन्हें मानवीय आँख शायद ही देख सके। पारंपरिक तरीके पूरे चित्र पर नियमों का एक समान सेट लागू करके काम करते हैं, जिससे एक शांत आकाश और एक जटिल जंगल दोनों के साथ एक ही गणितीय दृष्टिकोण अपनाया जाता है। हालांकि प्रभावी होने के बावजूद, ये मानक तकनीकें छोटी फ़ाइल आकार की आवश्यकता और स्पष्ट चित्रों की इच्छा के बीच संतुलन बनाने में संघर्ष करती हैं। वे एक सरल पृष्ठभूमि और एक विस्तृत अग्रभूमि के बीच सूक्ष्म अंतर को पहचानने में चूक सकते हैं, जिससे या तो भारी-भरती फाइलें बनती हैं या धुंधले परिणाम मिलते हैं।

एक नया दृष्टिकोण इसे अलग-अलग हिस्सों के साथ अलग-अलग व्यवहार करके हल करने का प्रयास करता है, ठीक वैसे ही जैसे एक लाइब्रेरियन जानता है कि कौन सी किताबें शायद ही कभी पढ़ी जाती हैं और कौन सी प्रतिदिन ली जाती हैं। शोधकर्ताओं ने एक ऐसी प्रणाली विकसित की है जो पहचानती है कि फोटो के कौन से हिस्से आवश्यक हैं और किन्हें स्थान बचाने के लिए अस्थायी रूप से अलग रखा जा सकता है। लक्ष्य यह है कि ट्रांसमिशन के दौरान अनावश्यक हिस्सों को हटा दिया जाए और गंतव्य पर पहुँचने पर उन्हें पुनर्गठित किया जाए। इसके लिए एक ऐसे डिकोडर की आवश्यकता होती है जो केवल एक निष्क्रिय प्राप्तकर्ता न हो, बल्कि एक सक्रिय पुनर्स्थापक हो जो उच्च सटीकता के साथ गायब विवरणों का अनुमान लगाने में सक्षम हो, हालांकि यह पूर्ण नहीं होगा, क्योंकि कुछ पुनर्निर्माण त्रुटि बनी रहती है।

हाल ही में एक अध्ययन में, ईरान के सेमनान विश्वविद्यालय के शोधकर्ताओं ने इस चुनौती से निपटने के लिए mUMamba नामक एक प्रणाली पेश की। उनकी विधि छवि सामग्री के स्मार्ट विश्लेषण को बहाली के लिए डिज़ाइन किए गए एक शक्तिशाली नए प्रकार के कृत्रिम बुद्धिमत्ता (AI) के साथ जोड़ती है। यह प्रक्रिया एक छवि को छोटे वर्गाकार ब्लॉकों में तोड़कर शुरू होती है। इसके बाद प्रणाली इन ब्लॉकों की तीन अलग-अलग स्तरों की विस्तृतता पर जांच करती है, उन्हें 16-बाय-16, 8-बाय-8 और 4-बाय-4 के बड़े, मध्यम और छोटे वर्गों के रूप में देखती है। प्रत्येक स्तर पर, प्रणाली तय करती है कि क्या कोई ब्लॉक हटाने के लिए पर्याप्त सरल है। यदि किसी ब्लॉक में एक चिकना, अपरिवर्तित क्षेत्र है, तो उसे हटाने के लिए चिह्नित किया जाता है। यदि उसमें एक तीखा किनारा या जटिल पैटर्न है, तो उसे रखा जाता है। यह पदानुक्रमित (hierarchical) दृष्टिकोण प्रणाली को सरल क्षेत्रों के साथ अधिक आक्रामक होने की अनुमति देता है जबकि उन जटिल विवरणों को सावधानीपूर्वक सुरक्षित रखता है जो छवि को परिभाषित करते हैं।

एक बार हटाने योग्य ब्लॉकों की पहचान हो जाने के बाद, प्रणाली उन्हें केवल त्याग नहीं देती है। इसके बजाय, यह शेष छवि डेटा के साथ कुछ "सुराग" भेजती है। उन ब्लॉकों के लिए जिन्हें चिकना होने के कारण हटाया गया था, प्रणाली रंग परिवर्तन की दिशा दर्शाने वाला एक सरल तीर भेजती है। उन ब्लॉकों के लिए जिन्हें किनारे (edge) होने के कारण हटाया गया था, यह एक मानचित्र भेजती है जो दिखाता है कि वह किनारा कहाँ स्थित था। महत्वपूर्ण बात यह है कि रखे गए छवि के हिस्सों को अनकंप्रेस्ड नहीं छोड़ा गया है; उन्हें ट्रांसमिशन से पहले मानक JPEG संपीड़न का उपयोग करके एनकोड किया गया है। मूल छवि अब बहुत छोटी है, लेकिन यह अपूर्ण है। गायब हिस्सों को प्राप्त करने वाले उपकरण द्वारा केवल शेष JPEG-संपीड़ित पिक्सेल और इन छोटे सुरागों का उपयोग करके पुनर्गठित किया जाना चाहिए।

इस पुनर्निर्माण को करने के लिए, शोधकर्ताओं ने एक न्यूरल नेटवर्क का उपयोग किया, जो मानव मस्तिष्क से प्रेरित एक प्रकार का कंप्यूटर प्रोग्राम है, जिसे U-Net नामक संरचना पर बनाया गया है। यह नेटवर्क 'U' के आकार का है, जिसमें एक पथ छवि की जानकारी को संकुचित करता है और दूसरा पथ इसे उसके मूल आकार में वापस विस्तारित करता है। mUMamba को क्या विशिष्ट बनाता है, वह इस नेटवर्क के गहरे स्तरों को संसाधित करने के लिए उपयोग किया जाने वाला इंजन है। अधिकांश इमेज सॉफ्टवेयर में उपयोग किए जाने वाले मानक उपकरणों के बजाय, शोधकर्ताओं ने एक घटक को एकीकृत किया जो Mamba नामक एक नए आर्किटेक्चर पर आधारित है। यह घटक डेटा के भीतर लंबी दूरी के संबंधों को समझने में असाधारण रूप से अच्छा है, जिससे यह अंतराल को भरने के लिए आवश्यक संदर्भ खोजने के लिए पूरी छवि में दूर तक देख सकता है। यह एक अत्यधिक कुशल कलाकार की तरह कार्य करता है जो गायब पहेली के टुकड़े के किनारों को देख सकता है और आसपास की तस्वीर के आधार पर तुरंत जान सकता है कि केंद्र कैसा दिखना चाहिए।

इस दृष्टिकोण के परिणामों का परीक्षण मानक टेस्ट छवियों के एक बड़े संग्रह पर किया गया। प्रणाली ने 46.5 प्रतिशत का संपीड़न अनुपात प्राप्त किया, जो डेटा की मात्रा में महत्वपूर्ण कमी को दर्शाता है, जबकि उच्च स्तर की दृश्य गुणवत्ता बनाए रखी। जब मानक मेट्रिक्स द्वारा मापा गया जो बहाल की गई छवि की मूल छवि से तुलना करते हैं, तो प्रणाली ने एक स्कोर प्राप्त किया जो एक बहुत करीबी मिलान को दर्शाता है, जिसमें 25.15 dB का PSNR है। इससे भी महत्वपूर्ण बात यह है कि प्रणाली अन्य उन्नत तरीकों की तुलना में काफी तेज थी और इसे बहुत कम कंप्यूटिंग शक्ति की आवश्यकता थी। इसने केवल 8.5 मिलियन पैरामीटर का उपयोग किया, जो कि प्रतिस्पर्धी प्रणालियों के 40 मिलियन से अधिक पैरामीटर्स की तुलना में बहुत कम है। यह दक्षता सुनिश्चित करती है कि यह प्रणाली मोबाइल फोन या दूरस्थ स्थानों में लगे सेंसर जैसे छोटे उपकरणों पर चल सकती है, जिसके लिए किसी शक्तिशाली सुपरकंप्यूटर की आवश्यकता नहीं है।

शोधकर्ताओं ने अपनी विधि की तुलना उद्योग में उपयोग किए जाने वाले वर्तमान सर्वोत्तम मानकों, जैसे कि BPG और VVC से भी की। उन्होंने पाया कि mUMamba उन मानकों द्वारा आवश्यक बैंडविड्थ के 18.2 प्रतिशत की बचत करते हुए, कम डेटा दर पर समान दृश्य गुणवत्ता प्राप्त कर सकता है। अन्य आधुनिक AI-आधारित संपीड़न उपकरणों के साथ प्रत्यक्ष तुलना में, नई प्रणाली ने छवियों की संरचनात्मक समानता में लगभग 23 प्रतिशत और स्पष्टता में 7 प्रतिशत का सुधार किया। ये लाभ तब प्राप्त किए गए जब छवि को संसाधित करने में लगने वाले समय को भी लगभग एक तिहाई कम कर दिया गया।

अध्ययन इस बात पर प्रकाश डालता है कि इस सफलता की कुंजी न केवल एक शक्तिशाली न्यूरल नेटवर्क का उपयोग करना था, बल्कि इसे ब्लॉकों को हटाने की शास्त्रीय विधि के साथ विशेष रूप से जोड़ने का तरीका था। कार्य को दो अलग-अलग भागों में विभाजित करके—पहले, क्या हटाना है और JPEG का उपयोग करके संपीड़ित करना है इसका तार्किक निर्णय, और दूसरा, गायब हिस्सों को फिर से बनाने का रचनात्मक कार्य—शोधकर्ताओं ने एक ऐसी प्रणाली बनाई जो कुशल और प्रभावी दोनों है। विभिन्न आकारों के ब्लॉकों की जाँच करने की पदानुक्रमित रणनीति ने प्रणाली को अंतिम चित्र की गुणवत्ता से समझौता किए बिना संपीड़न के अधिक अवसर खोजने की अनुमति दी।

हालाँकि यह प्रणाली बहुत आशाजनक है, शोधकर्ता नोट करते हैं कि यह वर्तमान में निश्चित आकार की छवियों के साथ सबसे अच्छा काम करती है और रखे गए हिस्सों के लिए मानक संपीड़न पर निर्भर करती है। भविष्य के कार्य का लक्ष्य किसी भी आकार की छवियों के लिए प्रणाली को अधिक लचीला बनाना और शेष मानक घटकों को पूरी तरह से AI-संचालित घटकों से बदलना होगा। फिलहाल, mUMamba ढांचा छवि ट्रांसमिशन को तेज़ और अधिक कुशल बनाने की दिशा में एक महत्वपूर्ण कदम के रूप में खड़ा है, जो यह सिद्ध करता है कि छवि की सामग्री को गहराई से समझकर, हम कम में अधिक भेज सकते हैं।