ચિત્રોને સુધારવા માટે આર્ટિફિશિયલ ઇન્ટેલિજન્સનો ઉપયોગ કોઈ મર્યાદા નથી લાગે છે. પ્રાયોગિક સૉફ્ટવેરમાં સંશોધનોની શ્રેણીએ ફોટોગ્રાફ્સના રીઝોલ્યુશન ને સુધારવાની તેની ક્ષમતાથી પ્રભાવિત કર્યું છે કે ત્યાં સુધી માત્ર પોલીસ શ્રેણીમાં જ શક્ય લાગતું હતું જે આપણે ટીવી પર જોઈએ છીએ.

ચાલો વધારીએ. , એક નવી વેબસાઇટ કે જે ફોટોગ્રાફ્સ વધારવા માટે ન્યુરલ નેટવર્કનો ઉપયોગ કરે છે તે આવી જ એક નવી સુવિધા છે. આ સેવા ફોટામાંથી ખૂટતી વિગતો અને ટેક્સચરને વધારે છે અને સ્પષ્ટ કરે છે. તાજેતરમાં જ, જર્મન વૈજ્ઞાનિકોએ એન્હાન્સનેટ-પીએટીના વિકાસની જાહેરાત કરી છે, એક અલ્ગોરિધમ જે ઇમેજની શાર્પનેસને ભયાનક રીતે પુનઃપ્રાપ્ત કરવા માટેનું સંચાલન કરે છે.

ચાલો એન્હાન્સ

ચાલો એન્હાન્સ એ એક વેબસાઇટ છે જે ન્યુરલનો ઉપયોગ કરે છે ફોટાને વધારવા માટે નેટવર્ક્સ અને ઓછામાં ઓછા અને ઉપયોગમાં સરળ બનાવવા માટે રચાયેલ છે. હોમપેજ તમને કેન્દ્રમાં ફોટો ખેંચવા અને છોડવા માટે આમંત્રિત કરે છે. એકવાર તમારો ફોટો પ્રાપ્ત થઈ જાય પછી, ન્યુરલ નેટવર્ક વિગતો અને ટેક્સચરને વધારે છે અને સ્પષ્ટ કરે છે જેથી કરીને ફોટો કુદરતી દેખાય.

તમે જ્યારે પણ ફોટો અપલોડ કરો છો, ત્યારે 3 પરિણામો ઉત્પન્ન થાય છે: એન્ટિ-JPEG ફિલ્ટર ફક્ત JPEG આર્ટિફેક્ટ્સને દૂર કરે છે, બોરિંગ ફિલ્ટર અપસ્કેલિંગ કરે છે, હાલની વિગતો અને કિનારીઓ સાચવે છે, અને મેજિક ફિલ્ટર ફોટામાં નવી વિગતો દોરે છે અને ભ્રમિત કરે છે જે ખરેખર પહેલાં ન હતી (AI નો ઉપયોગ કરીને).

કામ પૂર્ણ કરવા માટે તમારે થોડીવાર રાહ જોવી પડશે ,પરંતુ તે મૂલ્યવાન છે - પ્રાપ્ત પરિણામો ખરેખર પ્રભાવશાળી છે. પેટાપિક્સેલ વેબસાઇટે રાયલો કેમેરામાંથી પ્રચાર ફોટોનો ઉપયોગ કરીને સિસ્ટમ સાથે શ્રેણીબદ્ધ પરીક્ષણો ચલાવ્યા, જે હમણાં જ બહાર પાડવામાં આવ્યા હતા. મૂળ છબી જુઓ:

પછી છબીનું કદ બદલીને 500px પહોળું કરવામાં આવ્યું હતું.

500px પહોળાઈનો ફોટો હતો પછી ફોટોશોપમાં "પ્રિઝર્વ ડિટેલ્સ (એન્લાર્જમેન્ટ)" વિકલ્પનો ઉપયોગ કરીને 2000px પહોળા પર ફરીથી નમૂના બનાવ્યા અને ભયાનક ટેક્સચર (આંગળીઓ જુઓ):

ચાલો એન્હાન્સ એ ઇમેજનું વધુ સ્વચ્છ સંસ્કરણ બનાવ્યું જેમાં વાસ્તવિક હાથની રચનાઓ પુનઃસ્થાપિત કરવામાં આવી હતી:

તમે તફાવતને વધુ સરળતાથી જોવામાં મદદ કરવા માટે અહીં એક ક્રોપ સરખામણી છે:

અન્ય ઉદાહરણો જુઓ:

લિનિયા સેન્ડબેક દ્વારા ફોટોનું મૂળ કાપવુંફોટોશોપ સાથે અપસ્કેલલેટ્સ એન્હાન્સ સાથે અપસ્કેલફોટોમાંથી મૂળ પાક બ્રાયના સ્પેન્સર દ્વારાફોટોશોપ સાથે અપસ્કેલલેટ્સ એન્હાન્સ સાથે અપસ્કેલપેક્સેલ્સ ઇમેજ બેંકમાંથી લીધેલા ફોટામાંથી મૂળ પાકફોટોશોપ સાથે અપસ્કેલલેટ્સ એન્હાન્સ સાથે અપસ્કેલ

ચાલો એન્હાન્સ બનાવવામાં આવ્યું હતું એલેક્સ સવસુનેન્કો અને વ્લાદિસ્લાવ પ્રાંસ્કેવિસિયસ દ્વારા, પીએચ.ડી. રસાયણશાસ્ત્ર અને ભૂતપૂર્વ સીટીઓ અનુક્રમે, જેઓ છેલ્લા અઢી મહિનાથી સોફ્ટવેર બનાવી રહ્યા છે. સિસ્ટમ હાલમાં તેના 1 માં છેવર્ઝન અને વપરાશકર્તાની જરૂરિયાતો અને પ્રતિસાદના આધારે તેને સતત સુધારવામાં આવશે.

વર્તમાન ન્યુરલ નેટવર્કને "ઇમેજના ખૂબ મોટા સબસેટ પર તાલીમ આપવામાં આવી હતી જેમાં લગભગ 10% ના દરે પોટ્રેટનો સમાવેશ થતો હતો," સેવસુનેન્કો કહે છે.

તે સમજાવે છે કે દરેક પ્રકારની ઈમેજ માટે અલગ નેટવર્ક બનાવવાનો અને લોડ થયેલ પ્રકારને શોધીને યોગ્ય નેટવર્ક લાગુ કરવાનો વિચાર છે. વર્તમાન સંસ્કરણે પ્રાણીઓ અને લેન્ડસ્કેપ્સની છબીઓ સાથે વધુ સારા પરિણામો પ્રાપ્ત કર્યા છે.

EnhanceNet-PAT

EnhanceNet-PAT એ ટ્યુબિંગેનમાં મેક્સ પ્લાન્ક ઇન્સ્ટિટ્યૂટ ફોર ઇન્ટેલિજન્ટ સિસ્ટમ્સના વૈજ્ઞાનિકો દ્વારા વિકસિત એક નવું અલ્ગોરિધમ છે. જર્મની માં. આ નવી ટેક્નોલોજીએ પણ પ્રભાવશાળી પરિણામો દર્શાવ્યા છે. નીચે એક પક્ષીના અસલ ફોટો સાથેનું ઉદાહરણ છે:

આ પણ જુઓ: 2023 માં શ્રેષ્ઠ AI ઇમેજર શું છે

વૈજ્ઞાનિકોએ ફોટો લીધો અને તેને બનાવ્યો નીચા રિઝોલ્યુશન વર્ઝન કે જેમાં તમામ બારીક વિગતો ખોવાઈ ગઈ છે:

ઓછા રિઝોલ્યુશન વર્ઝનને એન્હાન્સનેટ-પીએટી દ્વારા પ્રક્રિયા કરવામાં આવી હતી, જે કૃત્રિમ રીતે ઉન્નત હાઈ ડેફિનેશન વર્ઝન બનાવે છે જે મૂળ ફોટાથી વર્ચ્યુઅલ રીતે અસ્પષ્ટ છે.

આ પણ જુઓ: નવી ટેકનોલોજી ચમત્કારિક રીતે અસ્પષ્ટ, જૂના અથવા અસ્થિર ફોટાને પુનઃપ્રાપ્ત કરે છે

પરંપરાગત અપસ્કેલિંગ તકનીકો આસપાસના પિક્સેલના આધારે ગણતરી કરીને ખૂટતા પિક્સેલ અને વિગતો ભરવાનો પ્રયાસ કરે છે. જો કે, આ પ્રકારની વ્યૂહરચનાઓના પરિણામો અસંતોષકારક રહ્યા છે. વૈજ્ઞાનિકો હવે જે શોધ કરી રહ્યા છે તેનો ઉપયોગ છે કૃત્રિમ બુદ્ધિ જેથી મશીન મૂળ ઉચ્ચ-રિઝોલ્યુશન સંસ્કરણોનો અભ્યાસ કરીને ઓછા-રિઝોલ્યુશનવાળા ફોટા કેવા હોવા જોઈએ તે "શીખશે".

એકવાર આ રીતે પ્રશિક્ષિત થયા પછી, એલ્ગોરિધમ નવા ફોટા લઈ શકે છે લો-રિઝોલ્યુશન ઇમેજ અને તે ફોટાના "મૂળ" ઉચ્ચ-રિઝોલ્યુશન સંસ્કરણ પર વધુ સારું અનુમાન લગાવો.

"ઓછી-રીઝોલ્યુશન ઇમેજમાં પેટર્ન શોધી અને જનરેટ કરવામાં સક્ષમ થવાથી અને તે નમૂનાઓને અપસેમ્પલિંગમાં લાગુ કરીને પ્રક્રિયા , EnhanceNet-PAT પક્ષીના પીંછા કેવા દેખાવા જોઈએ તે વિશે વિચારે છે અને તે મુજબ ઓછા રિઝોલ્યુશન ઈમેજમાં વધારાના પિક્સેલ્સ ઉમેરે છે” મેક્સ પ્લાન્ક ઈન્સ્ટિટ્યૂટ કહે છે.

EnhanceNet-PAT ની તકનીકી વિગતો વિશે વધુ જાણવા માટે, સંશોધન પ્રોજેક્ટ વેબસાઇટ પર જાઓ.