O uso da intelixencia artificial para mellorar as imaxes parece non ter límites . Unha serie de investigacións en software experimental impresionaron pola súa capacidade para mellorar a resolución das fotografías dun xeito que ata entón só parecía posible en series policiais que vemos na televisión.

Reforcemos. , un novo sitio web que utiliza redes neuronais para mellorar as fotografías é unha destas novidades. O servizo mellora e dilucida detalles e texturas que faltan nas fotos. Máis recentemente, científicos alemáns anunciaron o desenvolvemento de EnhanceNet-PAT, un algoritmo que consegue recuperar a nitidez das imaxes dun xeito aterrador.

Let's Enhance

Let's Enhance é un sitio web que utiliza redes para mellorar as fotos e está deseñado para ser minimalista e fácil de usar. A páxina de inicio convídache a arrastrar e soltar unha foto no centro. Unha vez recibida a túa foto, a rede neuronal mellora e dilucida os detalles e as texturas para que a foto pareza natural.

Cada vez que cargas unha foto, prodúcense 3 resultados: o anti-JPEG o filtro simplemente elimina artefactos JPEG, o filtro Boring fai a ampliación, preservando os detalles e os bordos existentes, e o filtro Magic debuxa e alucina novos detalles na foto que non estaban alí antes (usando AI).

Terás que esperar uns minutos para que o traballo estea feito ,pero paga a pena: os resultados obtidos son realmente impresionantes. O sitio web de PetaPixel realizou unha serie de probas co sistema usando unha foto publicitaria da cámara Rylo, que acaba de lanzarse. Ver a imaxe orixinal:

Ver tamén: 20 fotografías de comedia na vida animal que debes ver

A continuación cambiouse o tamaño da imaxe a 500px de ancho.

A foto de 500px de ancho foi a continuación, volvemos mostrar en Photoshop a 2000 px de ancho usando a opción "Preservar detalles (ampliación)" producindo unha foto con texturas horribles (ver os dedos):

Pero volvemos a mostrar a foto de 500px usando Let's Enhance produciu unha versión moito máis limpa da imaxe na que se restauraron as texturas das mans realistas:

Aquí tes unha comparación de recortes para axudarche a ver a diferenza máis facilmente:

Consulta outros exemplos:

Recorte orixinal dunha foto de Linnea SandbakkRecorte con PhotoshopRecorte con Let's EnhanceRecorte orixinal dunha foto por Brynna SpencerMás de escala con PhotoshopMás de escala con Let's EnhanceRecorte orixinal dunha foto tomada do banco de imaxes de PexelsMás de escala con PhotoshopMás de escala con Let's Enhance

Creouse Let's Enhance por Alex Savsunenko e Vladislav Pranskevičius, doutor. química e un antigo CTO respectivamente, que estiveron construíndo o software durante os últimos dous meses e medio. O sistema está actualmente na súa primeiraversión e mellorarase continuamente en función das necesidades e comentarios dos usuarios.

A rede neuronal actual foi "adestrada nun subconxunto moi grande de imaxes que incluían retratos a un ritmo de aproximadamente un 10 %", di Savsunenko.

Explica que a idea é crear redes separadas para cada tipo de imaxe e detectar o tipo cargado e aplicar unha rede adecuada. A versión actual conseguiu mellores resultados con imaxes de animais e paisaxes.

EnhanceNet-PAT

EnhanceNet-PAT é un novo algoritmo desenvolvido por científicos do Instituto Max Planck de Sistemas Intelixentes de Tübingen, en Alemaña. Esta nova tecnoloxía tamén mostrou resultados impresionantes. A continuación móstrase un exemplo cunha foto orixinal dun paxaro:

Os científicos tomaron a foto e crearon esta. versión de baixa resolución na que se perden todos os detalles finos:

EnhanceNet-PAT procesou a versión de baixa resolución, creando unha versión de alta definición mellorada artificialmente que é practicamente indistinguible da foto orixinal.

As tecnoloxías de ampliación tradicionais tentan cubrir os píxeles e os detalles que faltan calculando en función dos píxeles circundantes. Non obstante, os resultados deste tipo de estratexias foron insatisfactorios. O que agora están a explorar os científicos é o seu uso intelixencia artificial para que a máquina "aprenda" como deberían ser as fotos de baixa resolución estudando as versións orixinais de alta resolución.

Ver tamén: 5 exemplos mostran a importancia da posición das mans nunha sesión fotográfica

Unha vez adestrados deste xeito, os algoritmos poden sacar fotos novas. imaxe de baixa resolución e adiviña mellor unha versión "orixinal" de alta resolución desa foto.

"Ao poder detectar e xerar patróns nunha imaxe de baixa resolución e aplicando eses patróns na mostraxe superior. proceso , EnhanceNet-PAT pensa en como deberían ser as plumas do paxaro e engade píxeles adicionais á imaxe de baixa resolución en consecuencia”, di o Instituto Max Planck.

Para obter máis información sobre os detalles técnicos de EnhanceNet-PAT, vai ao sitio web do proxecto de investigación.