A mesterséges intelligencia képjavításra való alkalmazása úgy tűnik, hogy nincsenek határok Egy sor kísérleti szoftverkutatás lenyűgözően képes volt javítani a fényképfelbontás olyan módon, ami addig csak a tévében látható rendőrségi sorozatokban tűnt lehetségesnek.

Ilyen új forrás a Let's Enhance, egy új weboldal, amely neurális hálózatokat használ a fényképek javítására. A szolgáltatás feljavítja és megvilágítja a fényképeken hiányzó részleteket és textúrákat. Nemrég német tudósok jelentették be az EnhanceNet-PAT kifejlesztését, egy olyan algoritmust, amely ijesztő módon képes helyreállítani a képek élességét.

Lásd még: Az oldal ingyenes RAW fájlokat biztosít a fotószerkesztés gyakorlásához

Növeljük

A Let's Enhance egy olyan weboldal, amely neurális hálózatokat használ a fényképek feljavítására, és minimalista és könnyen használható. A honlap arra invitál, hogy húzzon és dobjon be egy fényképet a központba. Miután a fényképet megkapta, a neurális hálózat feljavítja és kiemeli a részleteket és a textúrákat, hogy a fénykép természetesnek tűnjön.

Minden alkalommal, amikor feltöltesz egy fényképet, 3 eredményt kapunk: az Anti-JPEG szűrő egyszerűen eltávolítja a JPEG artefaktumokat, a Boring szűrő felskálázza a képet, megőrizve a meglévő részleteket és éleket, a Magic szűrő pedig új részleteket rajzol és hallucinál a fényképbe, amelyek korábban nem voltak ott (AI segítségével).

Néhány percet kell várnia a munka elvégzésére. A PetaPixel weboldal a nemrég bemutatott Rylo kamera reklámfotójának felhasználásával végzett egy tesztsorozatot a rendszerrel. Nézze meg az eredeti képet:

A képet ezután 500px szélesre méreteztük át.

Az 500px széles fotót ezután a Photoshopban 2000px szélesre méreteztük át a "Részletek megőrzése (nagyítás)" opcióval, ami egy borzalmas textúrájú fotót eredményezett (lásd az ujjakat):

Az 500px-es fotó Let's Enhance segítségével történő újramintavételezése azonban a kép sokkal tisztább változatát eredményezte, amely a kezek valósághű textúráját is visszaállította:

Íme egy összehasonlítás a nyírásokról, hogy könnyebben lássa a különbséget:

Lásd más példákat:

Linnea Sandbakk fotójának eredeti kivágása Upscale a Photoshop segítségével Upscale a Let's Enhance segítségével Brynna Spencer eredeti fotójának kivágása Upscale a Photoshop segítségével Upscale a Let's Enhance segítségével A Pexels képbankból származó fotó eredeti vágása Upscale a Photoshop segítségével Upscale a Let's Enhance segítségével

A Let's Enhance-t Alex Savsunenko és Vladislav Pranskevičius, a kémia doktora, illetve korábbi műszaki igazgatója hozta létre, akik az elmúlt két és fél hónapban építették a szoftvert. A rendszer jelenleg az 1. verzióban van, és a felhasználói igények és visszajelzések alapján folyamatosan fejlesztik.

A jelenlegi neurális hálózatot "a képek egy nagyon széles részhalmazával képeztük ki, amely körülbelül 10%-os arányban tartalmazott portrékat" - mondja Savsunenko.

Elmagyarázza, hogy az ötlet lényege, hogy minden képtípushoz külön hálózatot hoznak létre, és a feltöltött típus felismerése és a megfelelő hálózat alkalmazása után. A jelenlegi verzió jobb eredményeket ért el az állat- és tájképek esetében.

EnhanceNet-PAT

Az EnhanceNet-PAT egy új algoritmus, amelyet a németországi Tübingenben működő Max Planck Institute for Intelligent Systems kutatói fejlesztettek ki. Ez az új technológia is lenyűgöző eredményeket mutatott. Lásd alább egy példát egy madár eredeti fotójával:

Lásd még: W. Eugene Smith fényképészeti lelkiismerete

A tudósok elkészítették a fényképet, és elkészítették ezt az alacsony felbontású változatot, amelyen minden finom részlet elveszett:

Az alacsony felbontású verziót ezután az EnhanceNet-PAT feldolgozta, létrehozva egy mesterségesen feljavított nagy felbontás amely gyakorlatilag megkülönböztethetetlen az eredeti fotótól.

A hagyományos felskálázási technológiák a hiányzó képpontokat és részleteket a környező képpontok alapján történő számítással próbálják pótolni. Az ilyen típusú stratégiák eredményei azonban nem kielégítőek. A tudósok most azt vizsgálják, hogy a mesterséges intelligencia így a gép az eredeti nagyfelbontású változatok tanulmányozásával "megtanulja", hogyan kell kinéznie az alacsony felbontású fotóknak.

Az így betanított algoritmusok képesek új, alacsony felbontású fényképeket készíteni, és jobban megtippelni az adott fénykép "eredeti", nagy felbontású változatát.

"Az EnhanceNet-PAT azáltal, hogy képes felismerni és létrehozni a mintákat egy alacsony felbontású képen, és ezeket a mintákat a mintavételezési folyamat során alkalmazni, az EnhanceNet-PAT elgondolkodik azon, hogyan kellene kinéznie a madár tollának, és ennek megfelelően extra pixeleket ad hozzá az alacsony felbontású képhez" - áll a Max Planck Intézet közleményében.

Ha többet szeretne megtudni az EnhanceNet-PAT technikai részleteiről, látogasson el a kutatási projekt weboldalára.