在Cloudinary，我们提供了一个基于云的工具，使我们的用户能够为他们的网站和应用程序压缩图像和视频。我们的目标是保持内容的视觉完整性，但向任何设备或浏览器提供最小的文件大小，以最终优化网站性能和最终用户满意度。Cloudinary解决方案的一个特点是能够自动化许多图像压缩技术，这样开发人员就不必花时间调整每张照片，制作不同大小和分辨率的多个副本，以适应每个可能的场景。压缩算法可能会很棘手，因为它们试图做出对视觉影响最小的更改，但是不同的图像对压缩的反应可能不同。网络研讨会当我们为我们的"qu auto"功能开发算法时——它在视觉质量和文件大小之间取得了平衡——我们需要对其进行测试，以了解结果图像与人眼的对比情况。输入比例API。很多像JPEG2000和JPEGXR这样的图像压缩格式已经过调整，可以在特定的指标上获得很好的评分，比如峰值信噪比（PSNR）。但这些并不总是与人类对图像质量的感知有关。我们利用scaleapi来比较图像对，并给出人类最喜欢哪个图像的透视图。使用scaleapi，我们做了各种测试，比较了几种格式，包括WebP、jpeg2000、JPEG-XR（lossy）Lepton（MozJPEG，用Lepton重新压缩）、FLIF、BPG、Daala和PNG8（pngquant+optipng）。我们还可以得到输入的差异，未压缩的原始图像和压缩版本.比例API使我们能够创建供人类观察者查看的A/B比较。我们向scaleapi提交了4000多个图像比较，为每对图像发送至少4个独立的scaleapi请求。这使得每对图像至少有8个实际的人类比较。这些比较的结果与其他感知指标（如PSNR、Google的Butteraugli、DSSIM（结构相似性）和一个新的Cloudinary（结构相似性揭示局部和压缩相关伪影）一起进行了评估，只有67%的病例的PSNR是"正确的"。在80%的病例中，Butteraugli正确诊断，82%的病例采用DSIM。我们的新指标，SSIMULACRA，在87%的案例中与人类的判断一致。仅仅看一下高置信度的人类判断，我们发现PSNR的一致性约为78%，Butteraugli和DSSIM的一致性为91%，SSIMULACRA的一致性接近98%。您可以在Cloudinary博客上阅读有关SSIMULACRA和这些结果的更多信息。或者如果你想试试看：SSIMULACRA是免费的开源软件！scaleapi比较的结果为我们提供了有用的数据点来验证我们的度量，并为我们正在运行的压缩基准和各种图像格式的比较提供了更多的见解。从这些见解中，我们能够改进我们的视觉感知指标，并微调我们的"qu auto"功能，这样我们就知道我们可以有多积极地压缩图像。通过这个过程给我们留下深刻印象的不仅仅是来自Scale API的有用数据点，但我们也得到了公司的大力支持，产品的易用性，所有这些都以合理的价格出现。它最初发布在scaleapi上