從實現的角度來說 Guetzli 與 Zopfli 演算法類似，並不需要引入新的格式就能生成更小的 PNG 和 gzip 文件。與前段時間 Google 推出的基於循環神經網路（RNN）的圖像壓縮方法 RAISR 和 WebP 不同，它並不需要對客戶端和系統環境進行修改。
JPEG 圖片的質量與多級壓縮過程直接相關：色彩空間轉換，離散餘弦變換以及量化過程。
在這一階段，為了得到更小的圖片，圖片品質也會隨之降低。Guetzli 通過引入搜尋演算法來減小 JPEG 和 Guetzli 在視覺模型上的差別，試圖在最小的品質損失和文件大小之間找到平衡。Guetzli 視覺模型用一種更全面和細致的方式來完成色彩感知和視覺遮蔽，
以此來代替簡單的色彩轉換和離散餘弦變換。但 Guetzli 生成更小文件的代價在於，這種搜尋演算法所需要的時間遠遠長於現有的壓縮方法。
▲ 16×16 畫素的合成示例：一根以藍天為背景的電話線，傳統的 JPEG 壓縮演算法會產生加工的痕跡。左圖為未壓縮的原圖。相比於中圖（libjpeg），右圖（Guetzli）文件的大小更小，也更少出現振鈴現象。
Guetzli 在不犧牲品質量的條件下生成了更小的影像檔案。Google 研究院在試驗過程中發現，如果把壓縮檔案大小設為一個定值，相比於 libjpeg 影像，人類受試者仍然更傾向於 Guetzli 生成的影像，即使 libjpeg 文件大小與 Guetzli 相似或略大一點。
▲ 20×24 畫素的貓眼圖片。左圖為未壓縮的原圖。相比於左圖（libjpeg），右圖（Guetzli）呈現更弱的振鈴效應，並且檔案大小也更小。
Guetzli 的目標用戶是網站管理員和圖形設計者。在多圖網站中，Guetzli 能夠給用戶提供更順暢的體驗，並且減少行動用戶的下載時間和頻寬消耗。此外，Google 還希望這種新的嘗試可以激勵大家在圖像和影片壓縮領域的研究。
線