在最專業的圖片處理軟件 Photoshop 中，當你導出圖片時，有一個叫“存儲為網頁所用格式”的選項，它清楚地列出了你可以保存的圖片品質，以及圖片在不同帶寬下的加載時間。
這是因為在網絡上，圖片的品質和加載速度是特別需要平衡的。更清晰，品質更好的圖片往往有更大的尺寸，但它會讓加載速度變慢，消耗更多流量。對網站開發者來說，這意味著更高的成本，當然，對我們來說，這意味著更高的流量費。
在更小的尺寸內提供更高的品質，是圖片壓縮領域恒久的課題。Google 就一直致力于此，2010 年，它就推出了一種叫 WebP 的新圖片格式，相比 JEPG，可以在相同的品質內把把圖片大小減少 40%。
現在，Google 要用新的機器學習技術，讓這一步走得更遠。
1 月 11 日，Google+ 團隊在其官方博客介紹了一種叫 RAISR(Rapid and Accurate Image Super Resolution)的新技術，它使用機器學習方法，訓練系統分析同一張圖片的高質量版本和低質量版本，找出高質量版本更好的原因，再在低質量版本模擬出高質量版本圖片的效果。
和這個過程類似的是對圖片的銳化和增強對比度的操作，即通過放大底層細節，來改善模糊圖片的質量。但是，銳化同時增加圖像的噪點，讓圖片看起來有很多小顆粒，經常使用 Photoshop 處理照片的同學應該深有體會。Google 表示，自己使用的方法可以在不增加噪點和顆粒的情況下改善圖片清晰度。
在 Photoshop 中對一張圖片多次應用銳化后，圖片中會出現大量噪點
在 RAISR 的論文中，作者表示，使用這種方法，運行時間比目前最好的圖片壓縮方法快一到兩個數量級，同時，它產生的圖片效果和最好的辦法相當，甚至更好。
現在，這個系統已經可以用于訓練庫之外的圖片，也就是說，當系統遇到一張從未見過的圖片時，也能按照同樣的方法，用更小的尺寸模擬出高質量圖片。
2016 年 11 月，RAISR 被引入了 Google+ 中，最理想的狀況下，它可以節省 75% 的流量。
現在，RAISR 技術僅在 Android 設備用戶訪問 Google+ 時啟用。即便如此，Google 說，現在每周也有超過 10 億張圖片用了這項技術，幫助用戶節省了約 1/3 的流量。很快，它也被用于更多的 Google 產品。