Պատկերները բարելավելու համար արհեստական ​​ինտելեկտի օգտագործումը, թվում է, սահմաններ չունի : Փորձարարական ծրագրային ապահովման մի շարք հետազոտություններ տպավորվել են լուսանկարների լուծաչափը բարելավելու նրա ունակությամբ, որը մինչ այդ հնարավոր էր թվում միայն ոստիկանական սերիալներում, որոնք մենք տեսնում ենք հեռուստատեսությամբ:

Եկեք բարելավենք: , նոր կայքէջը, որն օգտագործում է նեյրոնային ցանցերը՝ լուսանկարները բարելավելու համար, այդպիսի նոր հնարավորություններից մեկն է: Ծառայությունը բարելավում և պարզաբանում է մանրամասներն ու հյուսվածքները, որոնք բացակայում են լուսանկարներում: Վերջերս գերմանացի գիտնականները հայտարարեցին EnhanceNet-PAT-ի մշակման մասին, ալգորիթմ, որը կարողանում է սարսափելի կերպով վերականգնել պատկերների հստակությունը:

Տես նաեւ: Իրինա Իոնեսկոն՝ լուսանկարիչը, ով դատապարտվել է դստեր մերկ լուսանկարելու համար

Let's Enhance

Let's Enhance կայք է, որն օգտագործում է նյարդային համակարգը: ցանցեր՝ լուսանկարներն ընդլայնելու համար և նախագծված է մինիմալիստական ​​և հեշտ օգտագործման համար: Գլխավոր էջը հրավիրում է ձեզ քաշել և թողնել լուսանկարը կենտրոնում: Ձեր լուսանկարը ստանալուց հետո նեյրոնային ցանցը ընդլայնում և պարզաբանում է մանրամասներն ու հյուսվածքները, որպեսզի լուսանկարը բնական տեսք ունենա:

Ամեն անգամ, երբ լուսանկար եք վերբեռնում, ստացվում է 3 արդյունք՝ Anti-JPEG: ֆիլտրը պարզապես հեռացնում է JPEG արտեֆակտները, Boring ֆիլտրը կատարում է ընդլայնում, պահպանելով առկա մանրամասներն ու եզրերը, իսկ Magic ֆիլտրը նկարում և հալյուցինացնում է նոր մանրամասներ լուսանկարում, որոնք նախկինում չեն եղել (օգտագործելով AI):

Դուք պետք է սպասեք մի քանի րոպե, որպեսզի աշխատանքը կատարվի ,բայց դա արժե. ստացված արդյունքներն իսկապես տպավորիչ են: PetaPixel կայքը մի շարք թեստեր է անցկացրել համակարգի հետ՝ օգտագործելով Rylo տեսախցիկի գովազդային լուսանկարը, որը հենց նոր թողարկվեց: Դիտեք բնօրինակ պատկերը.

Այնուհետև պատկերի չափը փոխվեց մինչև 500px լայնությունը:

500px լայնությամբ լուսանկարը այնուհետև Photoshop-ում վերարտադրվել է 2000 պիքսել լայնությամբ՝ օգտագործելով «Պահպանել մանրամասները (ընդլայնում)» տարբերակը՝ ստեղծելով սարսափելի հյուսվածքներով լուսանկար (տես մատները). Let's Enhance-ն արտադրեց պատկերի շատ ավելի մաքուր տարբերակ, որն ուներ վերականգնված ձեռքի իրատեսական հյուսվածքներ.

Ահա բերքի համեմատությունը, որը կօգնի ձեզ ավելի հեշտությամբ տեսնել տարբերությունը.

Տես նաեւ: Ինչպե՞ս կիրառել անհետացման կետերը լուսանկարներում:

Տես այլ օրինակներ.

Լուսանկարի բնօրինակ կտրում Linnea Sandbakk-ի կողմիցԱվելի մեծացում Photoshop-ի միջոցովԱվելի մեծ չափսեր Let's Enhance-ովԼուսանկարի բնօրինակ կտրվածք by Brynna SpencerUpscale with PhotoshopUpscale with Let's EnhancePexels image bank-ից վերցված լուսանկարի բնօրինակ հատվածըUpscale Photoshop-ովUpscale with Let's Enhance

Let's Enhance ստեղծվել է Ալեքս Սավսունենկոյի և Վլադիսլավ Պրանսկևիչյուսի կողմից, բ.գ.թ. քիմիայի և համապատասխանաբար նախկին CTO-ի, ովքեր ծրագրային ապահովումը կառուցում էին վերջին երկուսուկես ամիսների ընթացքում: Համակարգը ներկայումս իր 1-ին էտարբերակը և շարունակաբար կբարելավվի՝ ելնելով օգտատերերի կարիքներից և կարծիքներից:

Ներկայիս նեյրոնային ցանցը «ուսուցանվել է պատկերների շատ մեծ ենթաբազմության վրա, որոնք ներառում էին դիմանկարներ մոտավորապես 10%-ով», ասում է Սավսունենկոն:

Նա բացատրում է, որ գաղափարը յուրաքանչյուր տեսակի պատկերի համար առանձին ցանցեր ստեղծելն է և բեռնված տեսակը հայտնաբերելն ու համապատասխան ցանց կիրառելը: Ներկայիս տարբերակը ավելի լավ արդյունքների է հասել կենդանիների և լանդշաֆտների պատկերներով:

EnhanceNet-PAT

EnhanceNet-PAT-ը նոր ալգորիթմ է, որը մշակվել է Տյուբինգենի Մաքս Պլանկի խելացի համակարգերի ինստիտուտի գիտնականների կողմից: Գերմանիայում. Այս նոր տեխնոլոգիան նույնպես տպավորիչ արդյունքներ է ցույց տվել: Ստորև բերված է թռչնի բնօրինակ լուսանկարով օրինակ.

Գիտնականները լուսանկարել են և ստեղծել այս լուսանկարը: ցածր լուծաչափով տարբերակ, որտեղ բոլոր նուրբ մանրամասները կորչում են.

Ցածր լուծաչափի տարբերակը այնուհետև մշակվել է EnhanceNet-PAT-ի կողմից՝ ստեղծելով բարձր հստակության արհեստականորեն բարելավված տարբերակ որը գործնականում չի տարբերվում սկզբնական լուսանկարից:

Ավանդական մեծացման տեխնոլոգիաները փորձում են լրացնել բաց թողնված պիքսելները և մանրամասները` հաշվարկելով շրջակա պիքսելների հիման վրա: Այնուամենայնիվ, այս տեսակի ռազմավարությունների արդյունքները գոհացուցիչ չեն եղել: Այն, ինչ այժմ ուսումնասիրում են գիտնականները, դրա օգտագործումն է արհեստական ​​ինտելեկտ , որպեսզի մեքենան «սովորի», թե ինչպիսին պետք է լինեն ցածր լուծաչափով լուսանկարները՝ ուսումնասիրելով բարձր լուծաչափի բնօրինակ տարբերակները:

Այս կերպ վարժվելուց հետո ալգորիթմները կարող են նոր լուսանկարներ անել։ ցածր լուծաչափով պատկեր և ավելի լավ կռահել այդ լուսանկարի «օրիգինալ» բարձր լուծաչափի տարբերակը:

«Ցածր լուծաչափով պատկերում օրինաչափություններ հայտնաբերելու և գեներացնելու հնարավորություն և այդ օրինաչափությունների կիրառումը նմուշառման մեջ գործընթացում, EnhanceNet-PAT-ը մտածում է այն մասին, թե ինչ տեսք պետք է ունենան թռչնի փետուրները և համապատասխանաբար ավելացնում է լրացուցիչ պիքսելներ ցածր լուծաչափով պատկերին», - ասում է Մաքս Պլանկի ինստիտուտը:

EnhanceNet-PAT-ի տեխնիկական մանրամասների մասին ավելին իմանալու համար, գնացեք հետազոտական ​​նախագծի կայք: