Improving Image Compression Ratio Using the mUMamba Image Restoration Network

Todos os dias, aproximadamente três bilhões de imagens viajam pelo mundo digital, movendo-se de telefones para servidores e vice-versa. Este fluxo de dados visuais exige vastas quantidades de espaço de armazenamento e conexões de internet potentes para se moverem sem atraso. Para manter este sistema funcionando, engenheiros dependem há muito tempo da compressão, um processo que reduz arquivos ao remover informações que o olho humano dificilmente notaria. Os métodos tradicionais funcionam aplicando um conjunto uniforme de regras a uma imagem inteira, tratando um céu suave e uma floresta complexa com a mesma abordagem matemática. Embora eficazes, estas técnicas padrão muitas vezes lutam para equilibrar a necessidade de tamanhos de arquivo pequenos com o desejo de imagens nítidas e claras. Elas podem perder as sutis diferenças entre um fundo simples e um primeiro plano detalhado, levando a arquivos inchados ou resultados borrados.

Uma nova abordagem busca resolver isso tratando diferentes partes de uma imagem de formas diferentes, tal como um bibliotecário que sabe quais livros são raramente lidos e quais são retirados diariamente. Pesquisadores desenvolveram um sistema que identifica quais partes de uma foto são essenciais e quais podem ser temporariamente deixadas de lado para economizar espaço. O objetivo é deletar as partes desnecessárias durante a transmissão e, então, reconstruí-las quando a imagem chegar ao seu destino. Isso requer um decodificador que não seja apenas um receptor passivo, mas um restaurador ativo capaz de adivinhar os detalhes ausentes com alta precisão, embora não perfeitamente, já que algum erro de reconstrução permanece.

Em um estudo recente, pesquisadores da Universidade de Semnan, no Irã, introduziram um sistema chamado mUMamba para enfrentar este desafio. O método deles combina uma análise inteligente do conteúdo da imagem com uma nova e poderosa inteligência artificial projetada para restauração. O processo começa decompondo uma imagem em pequenos blocos quadrados. O sistema então examina esses blocos em três níveis diferentes de detalhe, observando-os como quadrados grandes de 16 por 16, médios de 8 por 8 e pequenos de 4 por 4. Em cada nível, o sistema decide se um bloco é simples o suficiente para ser removido. Se um bloco contiver uma área suave e imutável, ele é marcado para deleção. Se contiver uma borda nítida ou um padrão complexo, ele é mantido. Esta abordagem hierárquica permite que o sistema seja muito mais agressivo com áreas simples enquanto preserva cuidadosamente os detalhes intrincados que definem a imagem.

Uma vez identificados os blocos removíveis, o sistema não simplesmente os descarta. Em vez disso, ele envia uma pequena quantidade de "pistas" junto com os dados restantes da imagem. Para blocos que foram removidos porque eram suaves, o sistema envia uma seta simples indicando a direção da mudança de cor. Para blocos removidos porque continham uma borda, o sistema envia um mapa mostrando onde essa borda estava localizada. Crucialmente, as partes da imagem que foram mantidas não são deixadas sem compressão; elas são codificadas usando a compressão JPEG padrão antes da transmissão. A imagem original agora é muito menor, mas está incompleta. As peças perdidas devem ser reconstruídas pelo dispositivo receptor usando apenas os pixels restantes comprimidos em JPEG e estas pequenas pistas.

Para realizar esta reconstrução, os pesquisadores empregaram uma rede neural, um tipo de programa de computador inspirado no cérebro humano, construída sobre uma estrutura conhecida como U-Net. Esta rede tem o formato de um U, com um caminho que comprime a informação da imagem e outro caminho que a expande de volta ao seu tamanho original. O que torna o mUMamba único é o motor que utiliza para processar as camadas profundas desta rede. Em vez das ferramentas padrão usadas na maioria dos softwares de imagem, os pesquisadores integraram um componente baseado em uma nova arquitetura chamada Mamba. Este componente é excepcionalmente bom em entender conexões de longo alcance dentro dos dados, permitindo-lhe olhar para longe através da imagem para encontrar o contexto necessário para preencher as lacunas. Ele atua como um artista altamente habilidoso que pode olhar para as bordas de uma peça de quebra-cabeça faltante e instantaneamente saber como deve ser o centro com base na imagem ao redor.

Os resultados desta abordagem foram testados em uma grande coleção de imagens de teste padrão. O sistema alcançou uma taxa de compressão de 46,5 por cento, indicando uma redução significativa no volume de dados, enquanto mantinha um alto nível de qualidade visual. Quando medido por métricas padrão que comparam a imagem restaurada com a original, o sistema alcançou uma pontuação que indica uma correspondência muito próxima, com um PSNR de 25,15 dB. Mais importante, o sistema foi significativamente mais rápido e exigiu muito menos poder de computação do que outros métodos avançados. Utilizou apenas 8,5 milhões de parâmetros, que são as configurações internas que o computador aprende durante o treinamento, em comparação com mais de 40 milhões em sistemas concorrentes. Esta eficiência significa que o sistema pode rodar em dispositivos menores, como telefones celulares ou sensores em locais remotos, sem precisar de um supercomputador.

Os pesquisadores também compararam seu método contra os padrões atuais mais utilizados na indústria, como BPG e VVC. Eles descobriram que o mUMamba poderia alcançar a mesma qualidade visual com uma taxa de dados menor, economizando efetivamente 18,2 por cento da largura de banda exigida por esses padrões. Em comparações diretas com outras ferramentas de compressão baseadas em IA modernas, o novo sistema melhorou a similaridade estrutural das imagens em quase 23 por cento e a clareza em 7 por cento. Estes ganhos foram alcançados ao mesmo tempo em que se reduziu o tempo de processamento de uma imagem em quase um terço.

O estudo destaca que a chave para este sucesso não foi apenas o uso de uma rede neural poderosa, mas a forma específica como ela foi combinada com o método clássico de remoção de blocos. Ao separar a tarefa em duas partes distintas — primeiro, a decisão lógica do que remover e comprimir usando JPEG padrão, e segundo, a tarefa criativa de reconstruir as partes ausentes — os pesquisadores criaram um sistema que é tanto eficiente quanto eficaz. A estratégia hierárquica de verificar blocos em diferentes tamanhos permitiu que o sistema encontrasse mais oportunidades de compressão sem sacrificar a qualidade da foto final.

Embora o sistema mostre grande promessa, os pesquisadores observam que ele atualmente funciona melhor com imagens de tamanho fixo e depende da compressão padrão para as partes da imagem que são mantidas. Trabalhos futuros visarão tornar o sistema mais flexível para imagens de qualquer tamanho e substituir os componentes padrão restantes por outros totalmente impulsionados por IA. Por enquanto, o framework mUMamba representa um passo significativo para tornar a transmissão de imagens mais rápida e eficiente, provando que, ao compreender profundamente o conteúdo de uma imagem, podemos enviar mais com menos.