Mae deallusrwydd artiffisial yn gwella lluniau cydraniad isel
![Mae deallusrwydd artiffisial yn gwella lluniau cydraniad isel](/wp-content/uploads/dicas-de-fotografia/2911/1kitxl35yt.jpg)
Tabl cynnwys
Mae'n ymddangos nad oes cyfyngiadau ar ddefnyddio deallusrwydd artiffisial i wella delweddau. Mae cyfres o ymchwil mewn meddalwedd arbrofol wedi creu argraff gan ei allu i wella datrysiad ffotograffau mewn ffordd a oedd, tan hynny ond yn ymddangos yn bosibl mewn cyfresi heddlu a welwn ar y teledu.
Dewch i ni Wella , gwefan newydd sy'n defnyddio rhwydweithiau niwral i wella ffotograffau yw un nodwedd newydd o'r fath. Mae'r gwasanaeth yn gwella ac yn egluro manylion a gweadau sydd ar goll o'r lluniau. Yn fwy diweddar, cyhoeddodd gwyddonwyr o’r Almaen ddatblygiad EnhanceNet-PAT, algorithm sy’n llwyddo i adfer eglurder delweddau mewn ffordd frawychus.
Dewch i ni Wella
Gwefan sy’n defnyddio niwral yw Let’s Enhance rhwydweithiau i wella lluniau ac mae wedi'i gynllunio i fod yn finimalaidd ac yn hawdd ei ddefnyddio. Mae'r hafan yn eich gwahodd i lusgo a gollwng llun i'r canol. Unwaith y bydd eich llun wedi'i dderbyn, mae'r rhwydwaith niwral yn gwella ac yn egluro manylion a gweadau fel bod y llun yn edrych yn naturiol.
Bob tro y byddwch yn uwchlwytho llun, cynhyrchir 3 chanlyniad: y Gwrth-JPEG mae'r hidlydd yn tynnu arteffactau JPEG yn syml, mae hidlydd diflas yn uwchraddio, gan gadw manylion ac ymylon presennol, ac mae hidlydd Hud yn tynnu ac yn rhithwelediad manylion newydd yn y llun nad oedd yno o'r blaen (gan ddefnyddio AI).
Bydd yn rhaid i chi aros ychydig funudau i'r gwaith gael ei wneud ,ond mae'n werth chweil – mae'r canlyniadau a gafwyd yn drawiadol iawn. Cynhaliodd gwefan PetaPixel gyfres o brofion gyda'r system gan ddefnyddio llun cyhoeddusrwydd o'r camera Rylo, a oedd newydd ei ryddhau. Gweler y llun gwreiddiol:
Yna newidiwyd maint y ddelwedd i 500px o led.
Roedd y llun o led 500px yn yna ei ailsamplu yn Photoshop i 2000px o led gan ddefnyddio'r opsiwn "Cadw Manylion (helaethiad)" gan gynhyrchu llun gyda gweadau erchyll (gweler y bysedd):
Ond gan ddefnyddio ailsamplu'r llun 500px Cynhyrchodd Let's Enhance fersiwn llawer glanach o'r ddelwedd a oedd â gwead llaw realistig wedi'i adfer:
Dyma gymhariaeth cnwd i'ch helpu chi i weld y gwahaniaeth yn haws:
Gweler enghreifftiau eraill:
Gweld hefyd: Beth yw'r gwahaniaeth rhwng golwg person normal a ffotograffydd![](/wp-content/uploads/dicas-de-fotografia/2911/1kitxl35yt-5.jpg)
![](/wp-content/uploads/dicas-de-fotografia/2911/1kitxl35yt-6.jpg)
![](/wp-content/uploads/dicas-de-fotografia/2911/1kitxl35yt-7.jpg)
![](/wp-content/uploads/dicas-de-fotografia/2911/1kitxl35yt-8.jpg)
![](/wp-content/uploads/dicas-de-fotografia/2911/1kitxl35yt-9.jpg)
![](/wp-content/uploads/dicas-de-fotografia/2911/1kitxl35yt-10.jpg)
![](/wp-content/uploads/dicas-de-fotografia/2911/1kitxl35yt-11.jpg)
![](/wp-content/uploads/dicas-de-fotografia/2911/1kitxl35yt-12.jpg)
![](/wp-content/uploads/dicas-de-fotografia/2911/1kitxl35yt-13.jpg)
Crëwyd Let's Enhance gan Alex Savsunenko a Vladislav Pranskevičius, Ph.D. cemeg a chyn CTO yn y drefn honno, sydd wedi bod yn adeiladu'r meddalwedd am y ddau fis a hanner diwethaf. Mae'r system yn ei 1af ar hyn o brydfersiwn a bydd yn cael ei wella'n barhaus yn seiliedig ar anghenion defnyddwyr ac adborth.
Cafodd y rhwydwaith niwral presennol ei “hyfforddi ar is-set fawr iawn o ddelweddau a oedd yn cynnwys portreadau ar gyfradd o tua 10%,” meddai Savsunenko.<5
Mae'n esbonio mai'r syniad yw creu rhwydweithiau ar wahân ar gyfer pob math o ddelwedd a chanfod y math sydd wedi'i lwytho a chymhwyso rhwydwaith priodol. Mae'r fersiwn gyfredol wedi cyflawni canlyniadau gwell gyda delweddau o anifeiliaid a thirweddau.
EnhanceNet-PAT
Algorithm newydd yw EnhanceNet-PAT a ddatblygwyd gan wyddonwyr yn Sefydliad Max Planck ar gyfer Systemau Deallus yn Tübingen, yn yr Almaen. Mae'r dechnoleg newydd hon hefyd wedi dangos canlyniadau trawiadol. Isod mae enghraifft gyda llun gwreiddiol o aderyn:
Tynnodd gwyddonwyr y llun a chreu hwn Fersiwn cydraniad isel lle mae'r holl fanylion manwl yn cael eu colli:
Yna cafodd y fersiwn cydraniad isel ei phrosesu gan EnhanceNet-PAT, gan greu fersiwn diffiniad uchel wedi'i wella'n artiffisial sydd bron yn anwahanadwy o'r llun gwreiddiol.
5>
Mae technolegau uwchraddio traddodiadol yn ceisio llenwi'r picseli coll a'r manylion trwy gyfrifo yn seiliedig ar bicseli amgylchynol. Fodd bynnag, mae canlyniadau'r mathau hyn o strategaethau wedi bod yn anfoddhaol. Yr hyn y mae gwyddonwyr yn ei archwilio nawr yw'r defnydd ohono deallusrwydd artiffisial fel bod y peiriant yn “dysgu” sut y dylai lluniau cydraniad isel edrych trwy astudio'r fersiynau cydraniad uchel gwreiddiol.
Unwaith y byddant wedi'u hyfforddi yn y modd hwn, gall yr algorithmau dynnu lluniau newydd delwedd cydraniad isel a gwnewch ddyfaliad gwell ar fersiwn cydraniad uchel “gwreiddiol” o'r llun hwnnw.
“Trwy allu canfod a chynhyrchu patrymau mewn delwedd cydraniad isel a chymhwyso'r patrymau hynny yn yr uwchsamplu , mae EnhanceNet-PAT yn meddwl sut y dylai plu'r aderyn edrych ac yn ychwanegu picsel ychwanegol at y ddelwedd cydraniad isel yn unol â hynny” meddai Sefydliad Max Planck.
I ddysgu mwy am fanylion technegol EnhanceNet-PAT, ewch i wefan y prosiect ymchwil.