俗话说，小即是美，这用来形容媒体文件压缩是再合适不过了。压缩图像更容易传输和保存。近日，Google使用神经网络压缩的图片打败了JPEG。

Google从网络上抽样选取了600万份1280x720的图像，将它们分成32x32的小份，然后集中在100个压缩比率最差的块上。这样做的目标是集中处理最难压缩的数据，然后剩下的就比较好办了。

然后，研究者使用Google去年开源的的TensorFlow机器学习系统来训练实验性神经网络。他们使用一百万步进行训练，然后收集数据，找出最好的压缩模型。

最后，这个模型在平均表现上打败了JPEG压缩标准。研究者称，下一个挑战是打败基于视频压缩解码的针对大型图片的压缩方法，因为“他们使用了重用已经解压的单元”等技巧。从VP8视频解码发展来的WebP，就是一个使用该方法的例子。

研究者表示，在这方面对压缩性能的评价并不明确，因为有时候数据评价和人类感觉的评价有出入。

Google的团队上周发表了一篇文章。