Господа!

Мы сейчас работаем над новым бенчмарком устойчивости нейросетевых алгоритмов сжатия картинок.

Я уже писал, что зимой мы выложили MSU Learning-based Image Compression Benchmark, где сравнивалось сжатие нейросетевых и классических и JPEG AI всех порвал. Имея степень сжатия примерно втрое лучше JPEG и вдвое+ лучше JPEG 2000 при том же качестве у JPEG AI отличные шансы на взлет! 🙂💪

Но есть маленький нюанс. Это нейросетевой алгоритм... А значит все прелести нейросетевых алгоритмов ему не чужды. В том числе такая прелесть, как состязательные атаки! 🤷‍♂️😉

Можно атаками вызывать артефакты (если вы по каким-то причинам не хотите, чтобы какая-то картинка распространялась как минимум в хорошем качестве — будет востребовано, вангую), можно увеличивать размер сжатой картинки (своеобразная DDOS атака на хранилище) и т.д.

И, конечно, к атакам возможны защиты. Часть атак можно успешно обнаружить во время сжатия (если думать об этом) и благополучно стереть, в том числе не сильно ухудшим картинку. Естественно у разных атак и защит разная скорость работы и если мы думаем о практичности, то все становится еще кучерявей. 😉 В общем это большая новая прикольная практичная тема!

Интересно, что модели разных типов имеют разную устойчивость к атакам, причем JPEG AI в целом довольно устойчив. 👍

Мы сейчас подали статью на ACM Multimedia 2025 Open Source Track. А там смотрят на популярность репозитория. 🔍

У кого есть логин на GitHub большая просьба докинуть звездочку:
https://github.com/msu-video-group/NIC-RobustBench/
⭐️⭐️⭐️

Заранее большое спасибо! ⭐️

Обещаю с выходом статьи алаверды докинуть интересных подробностей! 😁

Работаем! 😉