Kun kännykkäkameran kenno tallentaa jopa 20 miljoonaa pikseliä, joskus enemmänkin, jokaisesta kuvasta tulee massiivinen datapaketti. Amerikkalaistutkijat ovat esitelleet tekniikan, jolla suurenkin kuvan käsittely voidaan tehdä pilvessä: kaistaa säästäen ja tehonkulutusta pienentäen.
Mikäli isoja kuvatiedostoja käsitellään suoraan älypuhelimessa, laitteen akku tyhjentyisi rasituksen alla nopeasti. MIT:n, Stanfordin yliopiston ja Adobe Systemsin tutkijat ovat kehittäneet ratkaisun, jossa kuvaa voidaan käsitellä pilvessä ilman, että isoa kuvatiedostoa tarvitsee siirrellä edestakaisin verkon yli.
Siggraph Asia -tapahtumassa esitelty tekniikka vähensi kuvan pilveen lataamisen kaistanleveyden tarvetta perät 98,5 prosenttia verrattuna siihen, että koko kuvaa siirreltäisiin palvelimelle ja takaisin. Operaation tehonkulutus jäi 85 prosenttia pienemmäksi. Miten tämä oli mahdollista?
Järjestelmässä älypuhelimesta lähetetään palvelimelle rankasti pakattu kuva ja palvelin lähettää takaisin päätelaitteeseen vieläkin pienemmän tiedoston, joka sisältää mukana yksinkertaiset ohjeet alkuperäisen kuvan muokkaamiseen. Tämän jälkeen kuvan käsittely voidaan tehdä nopeasti itse päätelaitteessa älykkäiden algoritmien avulla.
Michael Gharbi, joka on yksi Siggraphissa esitellyt teknisen paperin tekijöistä, sanoo, että kuvankäsittelyyn tulee yhä älykkäämpiä algoritmeja. - Nämä vaativat raskasta laskentaa ja pääsyä käsiksi kuvainformaatioon, joten laskenta kannattaa tehdä pilvessä.
Gharbin mukaan kuvaa käsitelään vähän samaan tapaan kuin Instagram ajaa tiedostot tietyn suotimen läpi. Mikäli kuvan varsinaiseen sisältöön pitää thedä muutoksia, nämä algoritmit eivät toimi kovin hyvin. Mutta tietyn tyylin luomiseen algoritmit tarvitsevat vain harvaresoluutioisen jpg-kuvan. Kaikki äly sisältyy siihen, millä tavalla tätä harvaresoluutiokuvaa käsitellään pilvessä.
Ensiksi järjestelmä lisää kuvaan kohinaa, joka kasvattaa sen resoluutiota. Tämä on periaatteessa merkityksetöntä dataa: vain pieniä satunnaisia variaatioita pakatun kuvatiedoston pikselien värissä. Tämän kohinan avulla järjestelmä ei kuitenkaan ole liikaa riippuvainen jonkin yksittäisen kuvan alueen väreistä tulkitessaan sitä, miten kuvaa pitää muokata.
Seuraavaksi pilvipalvelimella manipuloidaan kuvaa: parannetaan kontrastia, muutetaan väriavaruutta, tarkennetaan muotojen reunoja ja vastaavaa. Tämä jälkeen kuva pilkotaan esimerkiksi 64 x 64 pikselin lohkoiksi, joiden perusteella se tekee kuvauksen kuvankäsittelyn vaikutuksista muutaman perusparametrin perusteella. Parhaaseen tulokseen päästiin tutkijoiden mukaan noin 25 parametrilla.
Näin jokaista tällaista lohkoa kohti palvelin lähettää päätelaitteeseen takaisin vain 25 numeroa. Päätelaitteessa alkuperäistä kuvaa muokataan näiden 25 arvon perusteella. Tuloksena on manipuloitu versio suuresta kuvasta. Silmä ei kykene havaitsemaan eroa pilvessä käsitellyn ja paikallisesti prosessoidun kuvan välillä, tutkijat sanovat.
Parasta tekniikassa on se, että verkon yli siirtyy vain noin sadasosa siitä bittimäärästä, joka tarvittaisiin alkuperäisen kuvatiedoston edestakaiseen liikutteluun. Älypuhelimessa pitää tehdä hieman enemmän laskentaa, mutta tämä on vähäinen rasitus siihen verrattuna, että työn alle pitäisi ottaa koko massiivinen 20 megapikselin alkuperäiskuva.
Kun suurteholaskennan (HPC) työkuormat monimutkaistuvat, generatiivinen tekoäly sulautuu yhä tiiviimmin moderneihin järjestelmiin ja lisää kehittyneiden muistiratkaisujen tarvetta. Vastatakseen näihin muuttuviin vaatimuksiin ala kehittää uuden sukupolven muistiarkkitehtuureja, jotka maksimoivat kaistanleveyden, minimoivat latenssin ja parantavat energiatehokkuutta.
