偶然看到一篇报导：https://www.leiphone.com/news/201803/fc0SIQfIzrPnALv4.html
以及通稿：https://www.jiqizhixin.com/articles/2018-02-26-10
TNG据声称是AI深度学习算法，且优于BPG：
高码字情况下 TNG（上图）与 BPG（下图）对比。在实际测试中，BPG 会出现图中所示的块状，这是高频失真导致的振铃效应。振铃效应是因为 BPG 在编码压缩时尽管图片的不同块内容不一样，但采用了同一编码参数，而导致的图像退化中信息量的流失，尤其是高频信息的丢失。
不知道实际对比怎样。

个人感觉：
1.提升相比BGP太有限，完全不像是深度神经网络应有的表现。
2.有这功夫，还不如针对BGP/we
bp
那些的，做一个基于神经网络的解码器来还原压缩损失。
3.之前Twitter搞了一个基于AI的流媒体传输游戏视频的技术，现在已经两年没声了。

附上TNG的decoder，居然是要注册才能下载的，直接下载链接在此：http://www。tucodec。com/file/TNG%20ImageCodec%20v1.0.zip
同时转到度盘：链接: https://pan。baidu。com/s/1d6WRGIctyrblbO9loZ3HRg 密码: rzer
解压后360报警告，不管了反正官网的 应该没有什么问题。和原始jpg（100% Q）相比,low模式压缩到3%大小，high模式压缩到25.8%。
当然low模式的基本没法看，high模式目测没有显著差异，BPG转换同一个文件压缩到原来的23.6%，单从这个图片的压缩率看比TNG好。
但是TNG在线只能压缩低分辨的图片，因此没有机会尝试高分辨率的压缩效果和放大看细节。
单从目前的效果看，确实很有限。

不是听说aom要基于av1整一个图片格式么..
压缩率有望超越基于hevc的heif和bpg..
而且后台够硬.. 推广也更可能成功..

我觉得ai是用来优化传统编码的而不是ai编码，而且格式要推广解码得不需要ai，所以传统是关键，ai是锦上添花