Narzędzia AI
Kompresja obrazów AI: co naprawdę potrafi PICO od Apple
Zaktualizowano: Autor: Andrzej Niemiec11 min czytania
Apple PICO to badawczy kodek obrazów optymalizowany pod percepcję człowieka. Wyjaśniamy, co potwierdzają źródła, ile bitrate'u oszczędza i dlaczego nie ma go w iPhone'ach.
Spis treści
- Czym jest PICO i czy trafiło już do iPhone'ów?
- Ile bitrate'u oszczędza PICO według Apple?
- Jak PICO wypada na tle JPEG AI i klasycznych kodeków?
- Dlaczego kompresja percepcyjna wygrywa z samym PSNR?
- Jak szybkie jest kodowanie i dekodowanie PICO?
- Jakie mechanizmy ograniczają artefakty generatywne?
- Czy PICO nadaje się do obrazów medycznych?
- Czego źródła nie potwierdzają?
- Najczęstsze pytania
- Źródła
Czym jest PICO i czy trafiło już do iPhone'ów?
PICO, czyli Perceptual Image Codec, to kodek obrazów opisany w badaniu Apple „What Matters in Practical Learned Image Compression”, datowanym przez Apple na 7 maja 2026 r. [1]. Materiały projektu pokazują metodę, testy i porównania z innymi kodekami, ale nie ogłaszają wdrożenia w iOS, macOS, aplikacji Zdjęcia ani w żadnym produkcie komercyjnym [1][2]. PICO pozostaje więc projektem badawczym, a nie funkcją, którą można dziś włączyć w telefonie.
Nazwa rozwija się na dwie części: badanie dotyczy praktycznego, uczonego kodeka obrazu, a strona projektu określa PICO jako kodek optymalizowany bezpośrednio pod percepcję człowieka [1][2]. Dla użytkownika szukającego gotowych narzędzi oznacza to prostą konsekwencję: dziś nie ma produktu Apple opartego na PICO. Narzędzia, które realnie generują lub edytują obrazy, zestawiamy w hubie generatory obrazów AI.
Ile bitrate'u oszczędza PICO według Apple?
Apple raportuje 2,3–3-krotne oszczędności bitrate'u wobec AV1, AV2, VVC, ECM i JPEG AI przy porównywalnej jakości percepcyjnej [1]. Oznacza to około 33–43% pierwotnego bitrate'u, a nie uniwersalnie „trzykrotnie mniejszy plik” — wynik zależy od zestawu testowego, kodeka odniesienia i przyjętego poziomu jakości [1]. Wobec innych uczonych kodeków raportowano dodatkowo 20–40% redukcji bitrate'u [1].
Podstawą tych liczb jest badanie preferencji, nie pomiar kliniczny: 610 oceniających wykonało 74 925 porównań parami, a wyniki agregowano bayesowskim modelem Elo [2]. Taki protokół mierzy, który obraz ludzie uznają za lepszy przy danym budżecie bitów, a nie to, czy kodek zachowuje każdy szczegół istotny w konkretnym zadaniu.
Jak PICO wypada na tle JPEG AI i klasycznych kodeków?
PICO porównywano z JPEG AI oraz kodekami AV1, AV2, VVC i ECM, ale tabela pokazuje tylko to, co potwierdzają źródła. Publikacja Apple opisuje oszczędności bitrate'u i metodę oceny percepcyjnej [1][2], ogłoszenie JPEG AI dotyczy pierwszego uczonego standardu kompresji [3], a pozostałe kodeki występują w materiale wyłącznie jako punkt odniesienia [1].
| Kryterium | PICO (Apple) | JPEG AI | AV1, AV2, VVC, ECM |
|---|---|---|---|
| Co potwierdzają źródła | publikacja Apple z 7 maja 2026 i strona projektu [1][2] | pierwszy uczony standard, ogłoszony w lutym 2025 [3] | wyłącznie jako punkt odniesienia w porównaniach Apple [1] |
| Cel optymalizacji | jakość percepcyjna oceniana przez ludzi, nie maksimum PSNR [1] | brak szczegółów w pakiecie materiałów | brak szczegółów w pakiecie materiałów |
| Raportowana oszczędność bitrate'u | 2,3–3× wobec pozostałych kolumn przy porównywalnej jakości [1] | poziom odniesienia w porównaniach | poziom odniesienia w porównaniach |
| Status produktowy | brak potwierdzenia wdrożenia w produktach [1][2] | standard, brak danych o wdrożeniach | brak danych w pakiecie materiałów |
Warto rozdzielić dwie rzeczy: wynik jakościowy i status wdrożenia. Nawet najlepszy rezultat w badaniu preferencji nie czyni z kodeka standardu — o standardach decydują organizacje normalizacyjne, a o produktach producenci systemów. Materiał Apple mówi o badaniu i benchmarkach, nie o zastąpieniu JPEG [1][2].
Dlaczego kompresja percepcyjna wygrywa z samym PSNR?
PICO nie maksymalizuje PSNR. Jego celem jest zgodność z oceną ludzką, dlatego wyższy wynik matematyczny i lepszy wygląd nie muszą iść w parze [1]. To odwrócenie typowej optymalizacji: zamiast minimalizować różnicę piksel po pikselu, model uczy się, które zniekształcenia człowiek zauważa najmniej.
Konsekwencją jest to, że metryki takie jak PSNR lub MSE nie wystarczają do porównania kodeków percepcyjnych. Trzeba pytać o protokół oceny, liczbę porównań i sposób agregacji — w przypadku PICO to 74 925 porównań parami i 610 oceniających z bayesowskim Elo [2]. Bez tego kontekstu pojedyncza liczba „mniejszy plik o X procent” niewiele mówi.
Jak szybkie jest kodowanie i dekodowanie PICO?
Apple podaje około 230 ms kodowania i 150 ms dekodowania obrazu 12 MP na iPhonie 17 Pro Max [1]. Liczby dotyczą rozdzielczości podanej w materiale Apple, a nie dowolnego obrazu [1]. To pomiar deklarowany przez producenta na konkretnym urządzeniu, nie niezależny test całej klasy sprzętu.
Sama szybkość nie przesądza o wdrożeniu. Kodek musi działać w systemie, mieć wsparcie sprzętowe i pozostać odtwarzalny po latach, a tego typu decyzje nie są częścią publikacji badawczej [1][2]. Dlatego 230 ms na iPhonie 17 Pro Max jest argumentem za praktycznością metody, a nie zapowiedzią funkcji. Więcej o badaniach Apple nad obrazami piszemy w materiale o iTARFlow.
Jakie mechanizmy ograniczają artefakty generatywne?
Opis projektu wymienia „one-shot context model”, który ma ograniczać opóźnienie kodowania entropijnego przez obliczanie istotnych parametrów w jednym przebiegu [4]. Ten sam opis wymienia TextFidelityLoss, chroniący tekst przed zniekształceniami, oraz TilingArtifactLoss, ograniczający różnice kolorów na granicach kafelków [4].
Te dwa ostatnie mechanizmy odpowiadają na znane problemy uczonych kodeków: rozmywanie liter i widoczne szwy między kafelkami. Obecność takiego mechanizmu w opisie nie oznacza, że problem zniknął całkowicie — oznacza, że został nazwany i adresowany w treningu. Niezależnej oceny tych elementów nie ma w pakiecie materiałów. Jeśli pracujesz na modelach open weights, zobacz też dwa LoRA w Klein 9B.
Czy PICO nadaje się do obrazów medycznych?
Nie ma dowodów na walidację kliniczną PICO. Oceny dotyczyły naturalnych obrazów i ludzkiej oceny jakości, a nie radiogramów ani bezpieczeństwa diagnostycznego [1][2]. Przegląd literatury o skompresowanych obrazach medycznych wskazuje, że JPEG może usuwać wysokoczęstotliwościowe szczegóły i wprowadzać blokowanie lub rozmycie, a wpływ zależy od modalności, stopnia kompresji i zadania diagnostycznego [5].
Osobny problem to telemedycyna. Publikacja o kompresji obrazów siatkówki omawia metody i ograniczenia cyfrowej kompresji w zastosowaniach telemedycznych [6]. To materiał o kompresji jako takiej, nie o PICO. Wniosek jest więc ostrożny: przed użyciem dowolnego kodeka w diagnostyce potrzebna jest walidacja na danej modalności i przy danym poziomie kompresji, a nie przeniesienie wyniku z testu preferencji estetycznych.
Czego źródła nie potwierdzają?
Źródła nie potwierdzają historii o warszawskim zespole medycznym, który miał odrzucić 12% zdjęć rentgenowskich z powodu artefaktów JPEG. Nie ma identyfikowalnej placówki, wielkości próby ani publikacji, więc taka liczba nie może funkcjonować jako fakt. Literatura potwierdza ogólnie, że silna kompresja JPEG może utrudniać ocenę drobnych zmian [5], ale nie potwierdza samego zdarzenia.
Nie potwierdzają też, że PICO zastąpił JPEG, że jest standardem albo funkcją systemową Apple, ani że jest dostępny w produktach [1][2]. To granica między badaniem a produktem i warto ją stawiać wyraźnie, bo w sieci krążą skróty myślowe, które tę granicę zamazują. Podobne uproszczenia pojawiają się przy opisach modeli open weights, na przykład w tekście o Flux.2 Klein 9B z SNOFS.
Najczęstsze pytania
Czy PICO jest dostępne w iPhone'ach?
Nie ma potwierdzenia. Materiały Apple opisują projekt badawczy i benchmarki, a nie wdrożenie w iOS, macOS czy aplikacji Zdjęcia [1][2]. Apple nie ogłosiło PICO jako funkcji produktu komercyjnego, więc na dziś jest to metoda badawcza, a nie opcja w ustawieniach telefonu.
Ile dokładnie mniejszy jest plik po kompresji PICO?
Często powtarzane „trzykrotnie mniejszy plik” to skrót. Apple raportuje 2,3–3-krotne oszczędności bitrate'u wobec AV1, AV2, VVC, ECM i JPEG AI przy porównywalnej jakości, czyli około 33–43% pierwotnego bitrate'u [1]. Wynik zależy od kodeka odniesienia i zbioru testowego, dlatego nie jest uniwersalny.
Czy kompresja AI poprawia jakość zdjęć rentgenowskich?
Źródła nie dają takiej podstawy. Ocena PICO opierała się na preferencjach 610 osób i 74 925 porównaniach naturalnych obrazów, bez walidacji klinicznej [2]. Wiadomo natomiast, że silna kompresja JPEG może utrudniać ocenę drobnych zmian, a wpływ zależy od modalności i stopnia kompresji [5].
Co to jest JPEG AI i czym różni się od PICO?
JPEG AI to pierwszy uczony standard kompresji obrazów, ogłoszony w lutym 2025 r. [3]. PICO to projekt badawczy Apple porównywany między innymi z JPEG AI, ale nie standard i nie produkt [1][2]. Standard podlega normalizacji i wdrożeniom, a badanie opisuje metodę oraz wyniki eksperymentów.
Źródła
- What Matters in Practical Learned Image Compression (Apple Machine Learning Research, 2026) — https://machinelearning.apple.com/research/compression
- What Matters in Practical Learned Image Compression (Apple, 2026) — https://apple.github.io/ml-pico
- Apple Revolutionizes Image Compression Using AI: Retain Same Quality (36Kr, 2025) — https://eu.36kr.com/en/p/3831176819124103
- Apple Re-invented Image Compression with AI: Same Quality, One-Third the File Size (HTX, 2026) — https://www.htx.com/news/apple-re-invented-image-compression-with-ai-same-quality-one-sTQ9hCKM
- Using Compressed JPEG and JPEG2000 Medical Images in Deep Learning: A Review (MDPI Applied Sciences, 2024) — https://www.mdpi.com/2076-3417/14/22/10524
- Methods and Limits of Digital Image Compression of Retinal Images for Telemedicine (IOVS, ARVO) — https://iovs.arvojournals.org/article.aspx?articleid=2123131
Fanatyk nowych technologii i specjalista w zakresie sztucznej inteligencji.
Jak powstają teksty: Polityka AI · O redakcji