La uzo de artefarita inteligenteco por plibonigi bildojn ŝajnas ne havi limojn . Serio de esploroj en eksperimenta programaro impresis pro sia kapablo plibonigi la rezolucion de fotoj tiel, kiu ĝis tiam ŝajnis ebla nur en policaj serioj kiujn ni vidas en televido.

Ni Plibonigu. , nova retejo, kiu uzas neŭrajn retojn por plibonigi fotojn, estas unu tia nova funkcio. La servo plibonigas kaj pliklarigas detalojn kaj teksturojn, kiuj mankas el la fotoj. Pli lastatempe, germanaj sciencistoj anoncis la disvolviĝon de EnhanceNet-PAT, algoritmo kiu sukcesas reakiri la akrecon de bildoj en timiga maniero.

Ni Plibonigu

Ni Plibonigu estas retejo kiu uzas neŭralan. retoj por plibonigi fotojn kaj estas desegnita por esti minimumisma kaj facile uzebla. La hejmpaĝo invitas vin treni kaj faligi foton en la centron. Kiam via foto estas ricevita, la neŭrala reto plibonigas kaj pliklarigas detalojn kaj teksturojn tiel ke la foto aspektu natura.

Ĉiufoje kiam vi alŝutas foton, 3 rezultoj estas produktitaj: la Anti-JPEG. filtrilo simple forigas JPEG-artefaktojn, Boring-filtrilo faras la plialtigon, konservante ekzistantajn detalojn kaj randojn, kaj Magia filtrilo desegnas kaj halucinigas novajn detalojn en la foto, kiuj ne estis tie antaŭe (uzante AI).

Vi devos atendi kelkajn minutojn por ke la laboro estu farita ,sed valoras ĝin – la rezultoj akiritaj estas vere imponaj. La retejo de PetaPixel prizorgis serion de testoj kun la sistemo uzante reklamfoton de la Rylo-fotilo, kiu ĵus estis publikigita. Vidu la originalan bildon:

Tiam la bildo estis regrandigita al 500px larĝa.

Vidu ankaŭ: Plej bona poŝtelefono malpli ol 1500 realoj

La foto de 500px larĝa estis poste resampionita en Photoshop ĝis 2000 px-larĝe uzante la opcion "Konservu Detalojn (pligrandigo)" produktante foton kun teruraj teksturoj (vidu la fingrojn):

Sed resampling la 500px-foton uzante Ni Plibonigu produktis multe pli puran version de la bildo, kiu reestigis realismajn manteksturojn:

Jen rikoltkomparo por helpi vin vidi la diferencon pli facile:

Vidu aliajn ekzemplojn:

Originala tondado de foto de Linnea SandbakkAltskalo per PhotoshopAltskalo per Let's EnhanceOriginala tondado de foto de Brynna SpencerAltskali per PhotoshopAltskali per Let's EnhanceOriginala tondado de foto prenita el la bildbanko de PexelsAltskali per PhotoshopAltskali per Let's Enhance

Let's Enhance estis kreita de Alex Savsunenko kaj Vladislav Pranskevičius, Ph.D. kemio kaj iama CTO respektive, kiuj konstruis la programaron dum la lastaj du monatoj kaj duono. La sistemo estas nuntempe en sia unuaversio kaj estos kontinue plibonigita surbaze de uzantbezonoj kaj sugestoj.

La nuna neŭrala reto estis "trejnita sur tre granda subaro de bildoj kiuj inkludis portretojn kun rapideco de proksimume 10%," diras Savsunenko.

Li klarigas, ke la ideo estas krei apartajn retojn por ĉiu tipo de bildo kaj detekti la ŝarĝitan tipon kaj apliki taŭgan reton. La nuna versio atingis pli bonajn rezultojn kun bildoj de bestoj kaj pejzaĝoj.

EnhanceNet-PAT

EnhanceNet-PAT estas nova algoritmo ellaborita de sciencistoj ĉe la Instituto Max Planck por Inteligentaj Sistemoj en Tübingen, en Germanujo. Ĉi tiu nova teknologio ankaŭ montris imponajn rezultojn. Malsupre estas ekzemplo kun originala foto de birdo:

Sciencistoj faris la foton kaj kreis ĉi tiun. malalta rezolucia versio en kiu ĉiuj bonaj detaloj estas perditaj:

La malaltrezolucia versio tiam estis prilaborita de EnhanceNet-PAT, kreante altdifinan version artefarite plibonigitan tio estas preskaŭ nedistingebla de la originala foto.

Tradiciaj altskalaj teknologioj provas plenigi mankantajn pikselojn kaj detalojn per kalkulado surbaze de ĉirkaŭaj pikseloj. Tamen, la rezultoj de ĉi tiuj specoj de strategioj estis nekontentigaj. Kion sciencistoj nun esploras estas la uzo artefarita inteligenteco por ke la maŝino "lernu" kiel malalt-rezoluciaj fotoj devus aspekti studante la originalajn alt-rezoluciajn versiojn.

Tiamaniere trejnitaj, la algoritmoj povas fari novajn fotojn. malalt-rezolucia bildo kaj fari pli bonan divenon pri "originala" alt-rezolucia versio de tiu foto.

Vidu ankaŭ: Fotoj de Instagram X Realaj fotoj: modelo montras la veron sen filtriloj kaj redaktoj

"Povante detekti kaj generi ŝablonojn en malalt-rezolucia bildo kaj aplikante tiujn ŝablonojn en la supraspecimeno. procezo , EnhanceNet-PAT pensas pri kiaj la birdaj plumoj devus aspekti kaj aldonas kromajn pikselojn al la malalt-rezolucia bildo laŭe” diras la Instituto Max Planck.

Por lerni pli pri la teknikaj detaloj de EnhanceNet-PAT, iru al la retejo pri esplorprojekto.