Kunstig intelligens forbedrer fotos i lav opløsning
![Kunstig intelligens forbedrer fotos i lav opløsning](/wp-content/uploads/dicas-de-fotografia/2911/1kitxl35yt.jpg)
Indholdsfortegnelse
Brugen af kunstig intelligens til billedforbedring virker har ingen grænser En række eksperimentelle softwareundersøgelser har været imponerende i deres evne til at forbedre Fotoopløsning på en måde, der indtil da kun syntes mulig i politiserier, som vi ser på tv.
Let's Enhance, en ny hjemmeside, der bruger neurale netværk til at forbedre fotografier, er en sådan ny ressource. Tjenesten forbedrer og belyser manglende detaljer og teksturer i fotos. For nylig har tyske forskere annonceret udviklingen af EnhanceNet-PAT, en algoritme, der kan gendanne billedskarphed på en skræmmende måde.
Lad os forbedre
Let's Enhance er en hjemmeside, der bruger neurale netværk til at forbedre fotos, og den er designet til at være minimalistisk og nem at bruge. Hjemmesiden inviterer dig til at trække og slippe et foto i midten. Når dit foto er modtaget, forbedrer og tydeliggør det neurale netværk detaljer og teksturer for at få billedet til at se naturligt ud.
Hver gang du uploader et foto, produceres 3 resultater: Anti-JPEG-filteret fjerner simpelthen JPEG-artefakter, Boring-filteret opskalerer og bevarer eksisterende detaljer og kanter, og Magic-filteret tegner og hallucinerer nye detaljer i billedet, som faktisk ikke var der før (ved hjælp af AI).
Du bliver nødt til at vente et par minutter på, at jobbet bliver gjort. Hjemmesiden PetaPixel har lavet en række tests med systemet ved hjælp af et reklamebillede af Rylo-kameraet, som netop er blevet lanceret. Se det originale billede:
Billedet blev derefter ændret til 500px i bredden.
Det 500px brede foto blev derefter resamplet i Photoshop til 2000px bredt ved hjælp af indstillingen "Preserve Details (enlargement)", hvilket gav et foto med forfærdelige teksturer (se fingrene):
Men resampling af 500px-fotoet med Let's Enhance gav en meget renere version af billedet, hvor de realistiske teksturer på hænderne var genskabt:
Her er en sammenligning af udklippene, så du lettere kan se forskellen:
Se også: De 11 bedste professionelle kameraer i 2022Se andre eksempler:
![](/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)
Let's Enhance er skabt af Alex Savsunenko og Vladislav Pranskevičius, henholdsvis en ph.d. i kemi og en tidligere teknisk direktør, som har bygget softwaren i de sidste to en halv måned. Systemet er i øjeblikket i sin første version og vil løbende blive forbedret baseret på brugernes behov og feedback.
Det nuværende neurale netværk blev "trænet med en meget bred undergruppe af billeder, der inkluderede portrætter i en grad på ca. 10 %," siger Savsunenko.
Han forklarer, at ideen er at skabe separate netværk for hver type billede og registrere den uploadede type og anvende et passende netværk. Den nuværende version har opnået bedre resultater med dyre- og landskabsbilleder.
EnhanceNet-PAT
EnhanceNet-PAT er en ny algoritme udviklet af forskere ved Max Planck Institute for Intelligent Systems i Tübingen, Tyskland. Denne nye teknologi har også vist imponerende resultater. Se nedenfor et eksempel med et originalt foto af en fugl:
Forskere har taget billedet og skabt denne lavopløselige version, hvor alle fine detaljer er gået tabt:
Den lavopløste version blev derefter behandlet af EnhanceNet-PAT, som skabte en Kunstigt forbedret høj opløsning som er næsten umulig at skelne fra det originale foto.
Traditionelle opskaleringsteknologier forsøger at udfylde manglende pixels og detaljer ved at beregne ud fra de omkringliggende pixels. Resultaterne af disse typer strategier har imidlertid været utilfredsstillende. Det, forskerne nu undersøger, er brugen af kunstig intelligens så maskinen "lærer", hvordan fotos i lav opløsning skal se ud, ved at studere de originale versioner i høj opløsning.
Når algoritmerne er trænet på denne måde, kan de tage nye fotos i lav opløsning og give et bedre gæt på en "original" version i høj opløsning af det pågældende foto.
"Ved at være i stand til at opdage og generere mønstre i et lavopløsningsbillede og anvende disse mønstre til upsampling-processen, tænker EnhanceNet-PAT på, hvordan fuglens fjer skal se ud og tilføjer ekstra pixels til lavopløsningsbilledet i overensstemmelse hermed," siger Max Planck-instituttet.
Hvis du vil vide mere om de tekniske detaljer i EnhanceNet-PAT, kan du besøge forskningsprojektets hjemmeside.