ಚಿತ್ರಗಳನ್ನು ಸುಧಾರಿಸಲು ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯ ಬಳಕೆಯು ಯಾವುದೇ ಮಿತಿಗಳನ್ನು ಹೊಂದಿಲ್ಲ ಎಂದು ತೋರುತ್ತದೆ . ಪ್ರಾಯೋಗಿಕ ಸಾಫ್ಟ್‌ವೇರ್‌ನಲ್ಲಿನ ಸಂಶೋಧನೆಗಳ ಸರಣಿಯು ಛಾಯಾಚಿತ್ರಗಳ ರೆಸಲ್ಯೂಶನ್ ಅನ್ನು ಸುಧಾರಿಸುವ ಸಾಮರ್ಥ್ಯದಿಂದ ಪ್ರಭಾವಿತವಾಗಿದೆ, ಅದು ಅಲ್ಲಿಯವರೆಗೆ ನಾವು ಟಿವಿಯಲ್ಲಿ ನೋಡುವ ಪೊಲೀಸ್ ಸರಣಿಗಳಲ್ಲಿ ಮಾತ್ರ ಸಾಧ್ಯ ಎಂದು ತೋರುತ್ತದೆ.

ನಾವು ವರ್ಧಿಸೋಣ , ಛಾಯಾಚಿತ್ರಗಳನ್ನು ಹೆಚ್ಚಿಸಲು ನ್ಯೂರಲ್ ನೆಟ್‌ವರ್ಕ್‌ಗಳನ್ನು ಬಳಸುವ ಹೊಸ ವೆಬ್‌ಸೈಟ್ ಅಂತಹ ಒಂದು ಹೊಸ ವೈಶಿಷ್ಟ್ಯವಾಗಿದೆ. ಫೋಟೋಗಳಿಂದ ಕಾಣೆಯಾಗಿರುವ ವಿವರಗಳು ಮತ್ತು ಟೆಕಶ್ಚರ್‌ಗಳನ್ನು ಸೇವೆಯು ವರ್ಧಿಸುತ್ತದೆ ಮತ್ತು ವಿವರಿಸುತ್ತದೆ. ತೀರಾ ಇತ್ತೀಚೆಗೆ, ಜರ್ಮನ್ ವಿಜ್ಞಾನಿಗಳು ಎನ್‌ಹಾನ್ಸ್‌ನೆಟ್-ಪ್ಯಾಟ್ ಅಭಿವೃದ್ಧಿಯನ್ನು ಘೋಷಿಸಿದರು, ಇದು ಚಿತ್ರಗಳ ತೀಕ್ಷ್ಣತೆಯನ್ನು ಭಯಾನಕ ರೀತಿಯಲ್ಲಿ ಮರುಪಡೆಯಲು ನಿರ್ವಹಿಸುವ ಅಲ್ಗಾರಿದಮ್ ಆಗಿದೆ.

ನಾವು ವರ್ಧಿಸೋಣ

ಲೆಟ್ಸ್ ಎನ್‌ಹನ್ಸ್ ಇದು ನ್ಯೂರಲ್ ಅನ್ನು ಬಳಸುವ ವೆಬ್‌ಸೈಟ್ ಆಗಿದೆ. ಫೋಟೋಗಳನ್ನು ವರ್ಧಿಸಲು ನೆಟ್‌ವರ್ಕ್‌ಗಳು ಮತ್ತು ಕನಿಷ್ಠ ಮತ್ತು ಬಳಸಲು ಸುಲಭವಾಗುವಂತೆ ವಿನ್ಯಾಸಗೊಳಿಸಲಾಗಿದೆ. ಮುಖಪುಟವು ಫೋಟೋವನ್ನು ಮಧ್ಯಕ್ಕೆ ಎಳೆಯಲು ಮತ್ತು ಬಿಡಲು ನಿಮ್ಮನ್ನು ಆಹ್ವಾನಿಸುತ್ತದೆ. ಒಮ್ಮೆ ನಿಮ್ಮ ಫೋಟೋವನ್ನು ಸ್ವೀಕರಿಸಿದ ನಂತರ, ನ್ಯೂರಲ್ ನೆಟ್‌ವರ್ಕ್ ವಿವರಗಳು ಮತ್ತು ಟೆಕಶ್ಚರ್‌ಗಳನ್ನು ವರ್ಧಿಸುತ್ತದೆ ಮತ್ತು ಸ್ಪಷ್ಟಪಡಿಸುತ್ತದೆ ಇದರಿಂದ ಫೋಟೋ ನೈಸರ್ಗಿಕವಾಗಿ ಕಾಣುತ್ತದೆ.

ಪ್ರತಿ ಬಾರಿ ನೀವು ಫೋಟೋವನ್ನು ಅಪ್‌ಲೋಡ್ ಮಾಡಿದಾಗ, 3 ಫಲಿತಾಂಶಗಳನ್ನು ಉತ್ಪಾದಿಸಲಾಗುತ್ತದೆ: Anti-JPEG ಫಿಲ್ಟರ್ JPEG ಕಲಾಕೃತಿಗಳನ್ನು ಸರಳವಾಗಿ ತೆಗೆದುಹಾಕುತ್ತದೆ, ಬೋರಿಂಗ್ ಫಿಲ್ಟರ್ ಅಸ್ತಿತ್ವದಲ್ಲಿರುವ ವಿವರಗಳು ಮತ್ತು ಅಂಚುಗಳನ್ನು ಸಂರಕ್ಷಿಸುತ್ತದೆ, ಮತ್ತು ಮ್ಯಾಜಿಕ್ ಫಿಲ್ಟರ್ ಹೊಸ ವಿವರಗಳನ್ನು ಸೆಳೆಯುತ್ತದೆ ಮತ್ತು ಭ್ರಮೆಗೊಳಿಸುತ್ತದೆ ಮತ್ತು ಫೋಟೋದಲ್ಲಿ ಮೊದಲು ಇಲ್ಲದಿರುವುದು (AI ಬಳಸಿ).

ಕೆಲಸ ಪೂರ್ಣಗೊಳ್ಳಲು ನೀವು ಕೆಲವು ನಿಮಿಷ ಕಾಯಬೇಕಾಗುತ್ತದೆ ,ಆದರೆ ಇದು ಯೋಗ್ಯವಾಗಿದೆ - ಪಡೆದ ಫಲಿತಾಂಶಗಳು ನಿಜವಾಗಿಯೂ ಪ್ರಭಾವಶಾಲಿಯಾಗಿದೆ. PetaPixel ವೆಬ್‌ಸೈಟ್ ಇದೀಗ ಬಿಡುಗಡೆಯಾದ Rylo ಕ್ಯಾಮರಾದಿಂದ ಪ್ರಚಾರದ ಫೋಟೋವನ್ನು ಬಳಸಿಕೊಂಡು ಸಿಸ್ಟಮ್‌ನೊಂದಿಗೆ ಪರೀಕ್ಷೆಗಳ ಸರಣಿಯನ್ನು ನಡೆಸಿತು. ಮೂಲ ಚಿತ್ರವನ್ನು ನೋಡಿ:

ನಂತರ ಚಿತ್ರವನ್ನು 500px ಅಗಲಕ್ಕೆ ಮರುಗಾತ್ರಗೊಳಿಸಲಾಗಿದೆ.

500px ಅಗಲದ ಫೋಟೋ ನಂತರ ಫೋಟೋಶಾಪ್‌ನಲ್ಲಿ 2000px ಅಗಲಕ್ಕೆ "ಸಂರಕ್ಷಿಸಿ ವಿವರಗಳು (ಹಿಗ್ಗುವಿಕೆ)" ಆಯ್ಕೆಯನ್ನು ಬಳಸಿಕೊಂಡು ಭಯಾನಕ ಟೆಕಶ್ಚರ್‌ಗಳೊಂದಿಗೆ ಫೋಟೋವನ್ನು ಉತ್ಪಾದಿಸುವ (ಬೆರಳುಗಳನ್ನು ನೋಡಿ):

ಆದರೆ 500px ಫೋಟೋವನ್ನು ಬಳಸಿಕೊಂಡು ಮರು ಮಾದರಿ ವಾಸ್ತವಿಕ ಕೈ ಟೆಕಶ್ಚರ್ಗಳನ್ನು ಮರುಸ್ಥಾಪಿಸಿದ ಚಿತ್ರದ ಹೆಚ್ಚು ಸ್ವಚ್ಛವಾದ ಆವೃತ್ತಿಯನ್ನು ವರ್ಧನೆ ಮಾಡೋಣ:

ವ್ಯತ್ಯಾಸವನ್ನು ಹೆಚ್ಚು ಸುಲಭವಾಗಿ ನೋಡಲು ನಿಮಗೆ ಸಹಾಯ ಮಾಡಲು ಕ್ರಾಪ್ ಹೋಲಿಕೆ ಇಲ್ಲಿದೆ:

0>

ಇತರ ಉದಾಹರಣೆಗಳನ್ನು ನೋಡಿ:

ಲಿನ್ನಿಯಾ ಸ್ಯಾಂಡ್‌ಬ್ಯಾಕ್‌ನಿಂದ ಫೋಟೋದ ಮೂಲ ಕ್ರಾಪಿಂಗ್ಫೋಟೋಶಾಪ್‌ನೊಂದಿಗೆ ಉನ್ನತ ಮಟ್ಟಅಪ್‌ಸ್ಕೇಲ್ ಜೊತೆಗೆ ಲೆಟ್ಸ್ ಎನ್‌ಹನ್ಸ್ಫೋಟೋದಿಂದ ಮೂಲ ಕ್ರಾಪ್ ಬ್ರೈನ್ನಾ ಸ್ಪೆನ್ಸರ್ ಮೂಲಕಫೋಟೋಶಾಪ್‌ನೊಂದಿಗೆ ಉನ್ನತ ಮಟ್ಟಲೆಟ್ಸ್ ಎನ್‌ಹನ್ಸ್‌ನೊಂದಿಗೆ ಉನ್ನತ ಮಟ್ಟಪೆಕ್ಸೆಲ್‌ಗಳ ಇಮೇಜ್ ಬ್ಯಾಂಕ್‌ನಿಂದ ತೆಗೆದ ಫೋಟೋದಿಂದ ಮೂಲ ಕ್ರಾಪ್ಫೋಟೋಶಾಪ್‌ನೊಂದಿಗೆ ಉನ್ನತ ಮಟ್ಟಲೆಟ್ಸ್ ಎನ್‌ಹನ್ಸ್‌ನೊಂದಿಗೆ ಉನ್ನತ ಮಟ್ಟ

ಲೆಟ್ಸ್ ವರ್ಧನೆ ರಚಿಸಲಾಗಿದೆ ಅಲೆಕ್ಸ್ Savsunenko ಮತ್ತು Vladislav Pranskevičius, ಒಂದು Ph.D. ಕಳೆದ ಎರಡೂವರೆ ತಿಂಗಳಿನಿಂದ ಸಾಫ್ಟ್‌ವೇರ್ ಅನ್ನು ನಿರ್ಮಿಸುತ್ತಿರುವ ಕ್ರಮವಾಗಿ ರಸಾಯನಶಾಸ್ತ್ರ ಮತ್ತು ಮಾಜಿ CTO. ಈ ವ್ಯವಸ್ಥೆಯು ಪ್ರಸ್ತುತ 1ನೇ ಹಂತದಲ್ಲಿದೆಆವೃತ್ತಿ ಮತ್ತು ಬಳಕೆದಾರರ ಅಗತ್ಯತೆಗಳು ಮತ್ತು ಪ್ರತಿಕ್ರಿಯೆಯ ಆಧಾರದ ಮೇಲೆ ನಿರಂತರವಾಗಿ ಸುಧಾರಿಸಲಾಗುವುದು.

ಪ್ರಸ್ತುತ ನರಮಂಡಲವು "ಸರಿಸುಮಾರು 10% ದರದಲ್ಲಿ ಭಾವಚಿತ್ರಗಳನ್ನು ಒಳಗೊಂಡಿರುವ ಚಿತ್ರಗಳ ದೊಡ್ಡ ಉಪವಿಭಾಗದ ಮೇಲೆ ತರಬೇತಿ ಪಡೆದಿದೆ" ಎಂದು Savsunenko ಹೇಳುತ್ತಾರೆ.

ಪ್ರತಿಯೊಂದು ರೀತಿಯ ಚಿತ್ರಕ್ಕಾಗಿ ಪ್ರತ್ಯೇಕ ನೆಟ್‌ವರ್ಕ್‌ಗಳನ್ನು ರಚಿಸುವುದು ಮತ್ತು ಲೋಡ್ ಮಾಡಲಾದ ಪ್ರಕಾರವನ್ನು ಪತ್ತೆಹಚ್ಚುವುದು ಮತ್ತು ಸೂಕ್ತವಾದ ನೆಟ್‌ವರ್ಕ್ ಅನ್ನು ಅನ್ವಯಿಸುವುದು ಕಲ್ಪನೆ ಎಂದು ಅವರು ವಿವರಿಸುತ್ತಾರೆ. ಪ್ರಸ್ತುತ ಆವೃತ್ತಿಯು ಪ್ರಾಣಿಗಳು ಮತ್ತು ಭೂದೃಶ್ಯಗಳ ಚಿತ್ರಗಳೊಂದಿಗೆ ಉತ್ತಮ ಫಲಿತಾಂಶಗಳನ್ನು ಸಾಧಿಸಿದೆ.

EnhanceNet-PAT

EnhanceNet-PAT ಎಂಬುದು ಟ್ಯೂಬಿಂಗನ್‌ನಲ್ಲಿರುವ ಮ್ಯಾಕ್ಸ್ ಪ್ಲ್ಯಾಂಕ್ ಇನ್‌ಸ್ಟಿಟ್ಯೂಟ್ ಫಾರ್ ಇಂಟೆಲಿಜೆಂಟ್ ಸಿಸ್ಟಮ್ಸ್‌ನ ವಿಜ್ಞಾನಿಗಳು ಅಭಿವೃದ್ಧಿಪಡಿಸಿದ ಹೊಸ ಅಲ್ಗಾರಿದಮ್ ಆಗಿದೆ. ಜರ್ಮನಿಯಲ್ಲಿ. ಈ ಹೊಸ ತಂತ್ರಜ್ಞಾನವು ಪ್ರಭಾವಶಾಲಿ ಫಲಿತಾಂಶಗಳನ್ನು ಸಹ ತೋರಿಸಿದೆ. ಪಕ್ಷಿಯ ಮೂಲ ಫೋಟೋದೊಂದಿಗೆ ಉದಾಹರಣೆಯಾಗಿದೆ:

ವಿಜ್ಞಾನಿಗಳು ಫೋಟೋವನ್ನು ತೆಗೆದುಕೊಂಡು ಇದನ್ನು ರಚಿಸಿದ್ದಾರೆ ಕಡಿಮೆ ರೆಸಲ್ಯೂಶನ್ ಆವೃತ್ತಿಯಲ್ಲಿ ಎಲ್ಲಾ ಉತ್ತಮ ವಿವರಗಳು ಕಳೆದುಹೋಗಿವೆ:

ಸಹ ನೋಡಿ: ಮಿನಿಮಲಿಸಂ: ಎ ಡಾಕ್ಯುಮೆಂಟರಿ ಎಬೌಟ್ ಪರ್ಪಸ್‌ಫುಲ್ ಲಿವಿಂಗ್

ಕಡಿಮೆ ರೆಸಲ್ಯೂಶನ್ ಆವೃತ್ತಿಯನ್ನು ನಂತರ EnhanceNet-PAT ಮೂಲಕ ಸಂಸ್ಕರಿಸಲಾಯಿತು, ಹೈ ಡೆಫಿನಿಷನ್ ಆವೃತ್ತಿಯನ್ನು ಕೃತಕವಾಗಿ ವರ್ಧಿಸಲಾಗಿದೆ ಮೂಲ ಫೋಟೋದಿಂದ ವಾಸ್ತವಿಕವಾಗಿ ಪ್ರತ್ಯೇಕಿಸಲಾಗುವುದಿಲ್ಲ.

ಸಹ ನೋಡಿ: ಲೂಯಿಸ್ ಡಾಗೆರೆ: ಛಾಯಾಗ್ರಹಣದ ಪಿತಾಮಹ

ಸಾಂಪ್ರದಾಯಿಕ ಉನ್ನತೀಕರಣ ತಂತ್ರಜ್ಞಾನಗಳು ಸುತ್ತಮುತ್ತಲಿನ ಪಿಕ್ಸೆಲ್‌ಗಳ ಆಧಾರದ ಮೇಲೆ ಲೆಕ್ಕಾಚಾರ ಮಾಡುವ ಮೂಲಕ ಕಾಣೆಯಾದ ಪಿಕ್ಸೆಲ್‌ಗಳು ಮತ್ತು ವಿವರಗಳನ್ನು ತುಂಬಲು ಪ್ರಯತ್ನಿಸುತ್ತವೆ. ಆದಾಗ್ಯೂ, ಈ ರೀತಿಯ ತಂತ್ರಗಳ ಫಲಿತಾಂಶಗಳು ಅತೃಪ್ತಿಕರವಾಗಿವೆ. ವಿಜ್ಞಾನಿಗಳು ಈಗ ಅನ್ವೇಷಿಸುತ್ತಿರುವುದು ಇದರ ಬಳಕೆಯಾಗಿದೆ ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ ಆದ್ದರಿಂದ ಮೂಲ ಉನ್ನತ-ರೆಸಲ್ಯೂಶನ್ ಆವೃತ್ತಿಗಳನ್ನು ಅಧ್ಯಯನ ಮಾಡುವ ಮೂಲಕ ಕಡಿಮೆ-ರೆಸಲ್ಯೂಶನ್ ಫೋಟೋಗಳು ಹೇಗಿರಬೇಕು ಎಂಬುದನ್ನು ಯಂತ್ರವು "ಕಲಿಯುತ್ತದೆ".

ಈ ರೀತಿಯಲ್ಲಿ ತರಬೇತಿ ಪಡೆದ ನಂತರ, ಅಲ್ಗಾರಿದಮ್‌ಗಳು ಹೊಸ ಫೋಟೋಗಳನ್ನು ತೆಗೆದುಕೊಳ್ಳಬಹುದು ಕಡಿಮೆ ರೆಸಲ್ಯೂಶನ್ ಚಿತ್ರ ಮತ್ತು ಆ ಫೋಟೋದ "ಮೂಲ" ಹೆಚ್ಚಿನ ರೆಸಲ್ಯೂಶನ್ ಆವೃತ್ತಿಯಲ್ಲಿ ಉತ್ತಮ ಊಹೆ ಮಾಡಿ.

"ಕಡಿಮೆ-ರೆಸಲ್ಯೂಶನ್ ಚಿತ್ರದಲ್ಲಿ ಮಾದರಿಗಳನ್ನು ಪತ್ತೆಹಚ್ಚಲು ಮತ್ತು ಉತ್ಪಾದಿಸಲು ಮತ್ತು ಅಪ್‌ಸ್ಯಾಂಪ್ಲಿಂಗ್‌ನಲ್ಲಿ ಆ ಮಾದರಿಗಳನ್ನು ಅನ್ವಯಿಸುವ ಮೂಲಕ ಪ್ರಕ್ರಿಯೆ , EnhanceNet-PAT ಹಕ್ಕಿಯ ಗರಿಗಳು ಹೇಗಿರಬೇಕು ಎಂಬುದರ ಕುರಿತು ಯೋಚಿಸುತ್ತದೆ ಮತ್ತು ಅದಕ್ಕೆ ಅನುಗುಣವಾಗಿ ಕಡಿಮೆ-ರೆಸಲ್ಯೂಶನ್ ಚಿತ್ರಕ್ಕೆ ಹೆಚ್ಚುವರಿ ಪಿಕ್ಸೆಲ್‌ಗಳನ್ನು ಸೇರಿಸುತ್ತದೆ" ಎಂದು ಮ್ಯಾಕ್ಸ್ ಪ್ಲ್ಯಾಂಕ್ ಇನ್‌ಸ್ಟಿಟ್ಯೂಟ್ ಹೇಳುತ್ತದೆ.

EnhanceNet-PAT ನ ತಾಂತ್ರಿಕ ವಿವರಗಳ ಕುರಿತು ಇನ್ನಷ್ಟು ತಿಳಿದುಕೊಳ್ಳಲು, ಸಂಶೋಧನಾ ಯೋಜನೆಯ ವೆಬ್‌ಸೈಟ್‌ಗೆ ಹೋಗಿ.