Google再次被指责冷落JPEG XL图像格式

Google再次被指责冷落JPEG XL图像格式 JPEG XL"图像编码系统"ISO 标准是一种新的通用图像格式，可降低服务器存储要求的成本，并向后兼容现有的基于 JPEG 的应用程序。它被设计为 JPEG 格式（最初于 1992 年推出的一种图像压缩技术）的高效替代格式。不幸的是，尽管在"Interop 2024"项目（该项目旨在促进 Chromium、Gecko（Firefox）和 WebKit（Safari）浏览器引擎之间的互操作性）期间，该格式成为开发人员最受欢迎的选择，但我们可能不会在短期内看到网络广泛采用该格式。根据 Interop 项目的 GitHub页面，苹果、Google、微软和 Mozilla 将合作在各自的浏览器中实施交叉兼容的网络技术。作为 Interop 2024 大会上要求最多的功能，JPEG XL 将是这个新的互操作性联盟的完美候选者。网络开发人员对使用 JPEG XL 格式非常感兴趣，但 Interop 项目的成员却不会跟进。该组织解释说，之所以拒绝JPEG XL 提案，是因为其成员无法就是否纳入 JPEG XL 达成一致。Interop 指出，这一拒绝不应被视为"对整个技术的评论"。许多人很快就把矛头指向了Google，认为这是 JPEG XL 遭到拒绝的原因。去年 4 月，Google在 Chromium 中放弃了对该格式的实验性支持，称网络生态系统对这种与现有图像格式相比没有显著优势的技术没有足够的兴趣。Cloudinary 图像研究员、JPEG XL 规范编辑 Jon Sneyers 说，Chrome 浏览器团队似乎在反对新格式。考虑到许多格式开发人员都来自Google研究院，斯内尔斯并不认为Google作为一家公司正在试图扼杀JPEG XL。不过，Chrome 浏览器团队与Google研究部门"在组织上有相当大的距离"。至于"生态系统对"JPEG XL 的"兴趣"，苹果和 Adobe 目前在其软件开发中支持这种格式。三星承诺在其即将推出的手机中支持该格式，而微软也可能很快将该格式引入 Windows 系统。Mozilla 表示对该技术持中立态度，因为 JPEG XL 技术的性能实测似乎并不比 AVIF 等竞争对手好多少。不过，如果有足够的需求，Firefox浏览器制造商愿意支持这种新格式。 ... PC版： 手机版：

【意欲挑战.PNG、.JPEG老前辈 认识一下呱呱坠地的新图像格式.QOI】开发者承认 QOI 不会像优化的 PNG 编码器那样

【意欲挑战.PNG、.JPEG老前辈 认识一下呱呱坠地的新图像格式.QOI】开发者承认 QOI 不会像优化的 PNG 编码器那样压缩图像，但他声称它“无损地将图像压缩到与 PNG 相似的大小，同时提供 20-50 倍的编码速度和 3-4 倍的解码速度。” #抽屉IT

是Google研究的一种新的移动端文本生成图像的方法，专为移动设备设计，是一种高效的潜在扩散模型，能够在半秒内生成高质量的512

是Google研究的一种新的移动端文本生成图像的方法，专为移动设备设计，是一种高效的潜在扩散模型，能够在半秒内生成高质量的512x512图像。 MobileDiffusion的设计遵循潜扩散模型，包括三个组件：文本编码器、扩散UNet和图像解码器。 MobileDiffusion通过优化模型架构，包括Diffusion UNet和图像解码器，展现了在计算效率上的出色表现，该技术有望在移动设备上推动快速图像生成体验，拓展了生成模型在提高用户体验和应对隐私问题方面的潜在应用。

InstructIR：按照人类指令进行高质量图像恢复

InstructIR：按照人类指令进行高质量图像恢复 你只需要使用文字描述就能修复和改善图片 比如说，如果你有一张因为雨滴而看起来模糊的照片，你可以告诉它：请去掉照片上的雨滴，但保持图片内容不变”，它就能自动帮你操作。 它能够处理包括去噪、去雨、去模糊、去雾以及（低光）图像增强等问题。 主要功能：接收图像和人类书面指令作为输入，根据这些指令对图像进行改善；支持多种图像恢复任务，包括去噪、去雨、去模糊、去雾和图像增强；实现了状态最先进的恢复效果，提供了高质量的图像输出。 工作原理： InstructIR使用一个文本编码器将人类提供的自然语言指令转换为模型可以理解的向量表示。这些指令明确指导模型关注图像的哪些退化问题，并提供改善的方向。 全能图像恢复模型：采用NAFNet作为图像恢复的核心模型架构，它是一个高效且性能卓越的图像处理网络。NAFNet能够处理多种图像退化类型，为全方位图像恢复提供支持。 指令条件块（ICB）：InstructIR引入了ICB来实现任务特定的转换，根据文本编码器输出的指令向量，ICB能够调整图像模型的处理流程，使模型能够针对具体的退化类型进行专门的恢复处理。 多任务学习与任务路由：通过利用任务路由技术，InstructIR能够在单一模型中学习并执行多种图像恢复任务。模型根据输入的人类指令自动判断需要执行的任务类型，并采取相应的恢复策略。 |||

Google Search升级算法：遏制SEO 突显高质量内容

Google Search升级算法：遏制SEO 突显高质量内容 Google 宣布为了帮助用户更轻松地找到高质量内容，在未来几周将会对 Search 搜索进行升级。全新的排名算法可以减少大量低质量或者非原创内容，从而更加突显高质量内容。Google 表示，此次更新将特别针对“SEO 优先”内容，即主要为在搜索引擎上获得更高排名而创建的内容，从而突显出“人为优先”的内容。 Google 在博文中解释道：“如果你搜索关于一部新电源的信息，那么显示的结果可能是你已经在其他网站曾浏览过、包含聚合评论的一些文章，而不会对这些已经存在于网络的内容添加洞察。对于希望阅读一些新鲜观点的人来说这不够实用。在本次更新中，你将会看到更多含有独特信息的结果，因此你可以阅读此前没有见过的内容”。 来自：雷锋 频道：@kejiqu 群组：@kejiquchat 投稿：@kejiqubot

AMD将展示神经纹理块压缩技术 减少游戏体积

AMD将展示神经纹理块压缩技术 减少游戏体积 利用神经网络，纹理（罪魁祸首之一）将被压缩，以减少数据大小。AMD还承诺“不变的运行时执行”将帮助开发人员轻松地将这项技术集成到他们的游戏中。更多细节将在下周发布，不过，不难想象，它与英伟达在SIGGRAPH 2023上发布的神经压缩技术不会有太大区别。以下是英伟达技术的基本概览：“为了应对渲染领域不断追求的逼真感所带来的纹理数据增长以及随之而来的存储和内存需求增加的问题，我们提出了一种新颖的神经压缩技术，专门针对材质纹理进行压缩。该技术使用低比特率压缩，可以解锁额外的两个细节层次（即16倍于原有纹理的纹素数量），并且图像质量优于现今先进的图像压缩技术，例如AVIF和JPEG XL。同时，我们的方法支持按需进行实时解压缩，并具有类似于GPU上块纹理压缩的随机访问功能，从而可以在磁盘和内存中进行压缩。这种方法的核心思想是将多个材质纹理及其Mipmap链一起压缩，然后使用针对每种材质进行优化的小型神经网络进行解压缩。最后，我们使用定制的训练实现方法来实现实用的压缩速度，其性能比PyTorch等通用框架高出一个数量级。” ... PC版： 手机版：