Všeobecné

Nový systém AI premieňa obrázky s nízkym rozlíšením na HD


EnhanceNet-PAT je schopný prevzorkovať obraz s nízkym rozlíšením (vľavo) na verziu s vysokým rozlíšením (v strede). Výsledok je nerozoznateľný od pôvodného obrázka (vpravo) .MPI-IS

Vedci objavili spôsob, ako zmeniť vaše zrnité obrázky s nízkym rozlíšením na mimoriadne ostré snímky pomocou umelej inteligencie. Nemecké výskumné laboratórium Max Planck Institute for Intelligent Systems vyvinulo novú metódu na vytváranie obrázkov s vysokým rozlíšením z originálov s nízkym rozlíšením a výsledky sú pôsobivé. Metóda bola vytvorená čiastočne v reakcii na nízku kvalitu väčšiny technológií s vysokým rozlíšením jedného obrazu (SISR) dostupných na trhu.

Možno ste mali skúsenosť s fotografovaním na svojom smartfóne, keď ste na dovolenke. Ale keď si ich stiahnete a idete vytlačiť, stali sa pixelovým neporiadkom. Rozlíšenie obrázka je príliš nízke. V minulosti, keď sa to stalo, ste mohli mať nejaké zručnosti vo Photoshope, ktoré by vás mohli zachrániť, alebo by ste svoj obrázok spustili cez softvér SISR. SISR pracuje na zlepšení rozlíšenia obrázka tým, že sa snaží do obrázkov pridať pixely a potom spriemeruje okolité obrázky, aby vyhladil rozmazanie. Výsledky sú však často dosť skľučujúce a zostáva vám vyššie rozlíšenie, ale rozmazaný obraz.

EnhanceNet-PAT

Táto nová technológia s názvom EnhanceNet-PAT funguje pomocou strojového učenia a namiesto pixelovej dokonalosti generuje „vernú syntézu textúr“. Mehdi M.S. Sajjadi, vedec z Inštitútu Maxa Plancka pre inteligentný systém, vysvetlil, ako funguje ich nová technika: „Algoritmus predstavuje milióny obrázkov s nízkym rozlíšením, ktoré je možné zväčšiť. Vyskúša si danú úlohu a potom sa zobrazí na porovnanie. pôvodnej fotografie s vysokým rozlíšením. Algoritmus vníma rozdiel a učí sa zo svojej chyby. V skutočnosti bude robot stále lepší a lepší v tom, že dokáže nájsť chýbajúce informácie z obrázka. “

EnhanceNet-PAT sa učí predstaviť si obraz s vysokým rozlíšením a potom pridať pixely do verzie s nízkym rozlíšením. Sajjadi vysvetľuje proces ďalej a porovnáva krivku učenia algoritmu s výpočtom ľudskej: „Algoritmus má za úlohu prevzorkovať milióny obrázkov s nízkym rozlíšením do verzie s vysokým rozlíšením a potom sa mu zobrazí originál,„ toto je ako “ malo by to byť “- obrázok. Všimli ste si rozdiel? Dobre, potom sa pouč zo svojej chyby. “

Sajjadi pracoval na vývoji technológie EnhanceNet-PAT spolu s Dr. Michaelom Hirschom a prof. Dr. Bernhardom Schölkopfom, riaditeľom odboru empirickej inferencie Inštitútu Maxa Plancka pre inteligentné systémy v Tübingene. Dúfajú, že keď bude EnhanceNet-PAT vyškolený, už nebude potrebovať originálne fotografie.

EnhanceNet-Pat nikdy neurobí fotografie také dobré ako originály, ale určite môže poskytnúť lepšie výsledky ako väčšina existujúcich technológií SISR zameraných na dokonalosť pixelov. Umožnením „dobrého odhadu“ môže EnhanceNEt-Pat vytvárať obrázky, ktoré vyzerajú pre väčšinu ľudských očí tak dobre, ako len môžu. Ak je možné algoritmus vyvinúť spôsobom na komerčné použitie, mohol by skutočne pomôcť archivárom a amatérskym fotografom, ktorí majú digitálne obrázky, ktoré boli nasnímané pred tým, ako boli bežné fotoaparáty s vysokým rozlíšením. Vďaka použitiu EnhanceNet-Pat môže byť mnohým starším digitálnym obrázkom umožnený facelift, ktorý by umožnil ich tlač alebo premietanie vo väčšom rozlíšení.


Pozri si video: Štít (Január 2022).