最近有啥ML比賽能表現自己的優秀?CVPR2018圖像壓縮大賽
原作 Michele Covell
Root 編譯自 谷歌博客
量子位 出品 | 公眾號 QbitAI
新的一年來了,想給自己找個難度大的挑戰?有哪些問題是有重大意義,同時ML介入後會有很大的改善空間?
不如考慮一下谷歌贊助的2018年CVPR機器學習圖像壓縮比賽。
要知道,如果沒有圖像壓縮技術,處理一張12M的圖,需要佔用36兆的內存;不是文本的網站根本別想打開;整個互聯網世界會因為缺少豐富的數字影像,灰暗到無法想像。
儘管在信號處理界里,現代圖像編解碼器BPG、WebP壓縮圖像的效果,比1980年代引入的JPEG的壓縮效果要好得多。但是,現在很多壓縮技術用的依然是JPEG那套像素轉換方式。
谷歌近期的幾個端對端機器學習研究項目,用超解析度成像提升了JPEG圖像的壓縮效果。不過,谷歌還是希望能引起更多做機器學習研究的人的興趣,投入到這個領域裡,給壓縮技術帶來更多的改進。
因此,谷歌聯合蘇黎世聯邦理工學院、推特,一起贊助了這次CLIC,機器學習圖像壓縮的比賽。這場比賽將會在2018的CVPR期間舉行。
這次論壇也會邀請對圖像壓縮技術有巨大貢獻的幾位專家,以及最早把機器學習引入這個領域的人做主題演講。
其中包括:谷歌的圖像視頻壓縮專家Jim Bankoski和德國亞琛工業大學的Jens Ohm,WaveOne的CV+ML專家Oren Ripple,即將要離開康奈爾加盟谷歌的Ramin Zabih。
谷歌圖像視頻壓縮專家Jens Ohm
蘇黎世聯邦理工學院ETC Zürich為了加速這個領域的研究進展,給這次比賽提供了沒有版權的高清圖像資料庫,數據集P(professional)和數據集M(mobile)。其中含有1633張沒有壓縮處理的圖片。
這次比賽,大家用什麼訓練集組織方不做限制。他們反而鼓勵參賽者充分利用ImageNet或Open Images Dataset上的數據。
2016年發表的第一代壓縮大型圖像的神經網路,勉強達到JPEG的效果。最近有不少文章發表,說自己得到的神經網路,比起現有業界內標準的圖像壓縮技術要好。
而如果說只是一小撮的ML實驗室的研究資源放在這領域上都能取得這麼矚目的進步,那麼谷歌更加期待當更多ML人加入到圈子裡,會出現更好的壓縮效果技術。
1月15號會上線壓縮效果評價系統,2月15號公布測試集,最後提交截止日期在2月22號。
關於比賽的具體細節,可以前往compression.cc了解。
最後,附訓練集下載地址:
專業組數據集P
https://data.vision.ee.ethz.ch/cvl/clic/professional_train.zip
移動端數據集M
https://data.vision.ee.ethz.ch/cvl/clic/mobile_train.zip
編譯來源
https://research.googleblog.com/2018/01/introducing-cvpr-2018-learned-image.html
—完—
加入社群
量子位AI社群13群開始招募啦,歡迎對AI感興趣的同學,加小助手微信qbitbot5入群;
此外,量子位專業細分群(自動駕駛、CV、NLP、機器學習等)正在招募,面向正在從事相關領域的工程師及研究人員。
進群請加小助手微信號qbitbot5,並務必備註相應群的關鍵詞~通過審核後我們將邀請進群。(專業群審核較嚴,敬請諒解)
誠摯招聘
量子位正在招募編輯/記者,工作地點在北京中關村。期待有才氣、有熱情的同學加入我們!相關細節,請在量子位公眾號(QbitAI)對話界面,回復「招聘」兩個字。
TAG:量子位 |