Zehmetiya hunerî wêneyên kêm-çareseriyê baştir dike
Tabloya naverokê
Bikaranîna îstîxbarata çêkirî ji bo baştirkirina wêneyan tu sînor nîne . Rêzeya lêkolînên di nermalava ceribandinê de bi şiyana wê ya çêtirkirina çareserkirina wêneyan bi rengekî ku heya wê demê tenê di rêzefilmên polîs ên ku em li ser TV-yê dibînin de gengaz xuya dikir bandor kir.
Werin Em Enhance , malperek nû ya ku torên neuralî bikar tîne da ku wêneyan zêde bike yek taybetmendiyek nû ye. Karûbar hûrgulî û nîgarên ku di wêneyan de winda ne zêde dike û ronî dike. Di van demên dawî de, zanyarên Alman pêşveçûna EnhanceNet-PAT ragihandin, algorîtmayek ku bi awayekî tirsnak tûjbûna wêneyan vedigire.
Let's Enhance
Let's Enhance malperek e ku neural bikar tîne. torên ji bo zêdekirina wêneyan û ji bo ku mînîmalîst û karanîna hêsan be hatî çêkirin. Malpera malê we vedixwîne ku hûn wêneyek li navendê kaş bikin û daxin. Dema ku wêneyê we were wergirtin, tora neural hûrgulî û teşeyan zêde dike û ronî dike da ku wêne xwezayî xuya bike.
Her gava ku hûn wêneyek bar dikin, 3 encam têne hilberandin: Anti-JPEG Parzûna bi tenê hunerên JPEG ji holê radike, Parzûna Boring mezinbûnê dike, hûrgulî û keviya heyî diparêze, û Parzûna Magic hûrguliyên nû di wêneyê de ku berê ne li wir bûn (bi AI-ê bikar tîne) xêz dike û halusîn dike.
Pêdivî ye ku hûn çend hûrdeman bisekinin ku kar were kirin ,lê hêjayî wê ye - encamên ku hatine bidestxistin bi rastî balkêş in. Malpera PetaPixel bi pergalê re bi karanîna wêneyek ragihandinê ya ji kamera Rylo, ku nû hatî berdan, rêzek ceribandinan pêk anî. Wêneyê orjînal binêre:
Piştre mezinahiya wêneyê 500 px hate guherandin.
Wêneyê 500px fireh dûv re di Photoshop-ê de ji nû ve nimûneya 2000px fireh bi karanîna vebijarka "Pêşvebirina hûrguliyan (mezinkirin)" tê çêkirin û wêneyek bi tevnên tirsnak (li tiliyan binêre):
Lê wêneyê 500px bi kar tîne Werin em Enhance guhertoyek pir paqijtir a wêneyê hilberand ku tê de xêzên destan ên rastîn hatine sererast kirin:
Li vir berhevokek çandiniyê heye ku ji we re bibe alîkar ku hûn cûdahiyê hêsantir bibînin:
Nimûneyên din binihêrin:
Binêre_jî: 5 pêşbaziyên wêneyan bi navnîşên belaş û xelatên mezinKirkirina eslî ya wêneyek ji hêla Linnea Sandbakk veBi Photoshopê re bilind bikinBi Let's Enhance re vebikinÇapkirina eslî ya wêneyê ji hêla Brynna SpencerBi Photoshop-ê ve UpscaleBi Let's Enhance UpscaleBerça orîjînal ji wêneyek ku ji bankeya wêneya Pexels hatî kişandinBi Photoshop-ê UpscaleBi Let's Enhance UpscaleLet's Enhance hate afirandin ji hêla Alex Savsunenko û Vladislav Pranskevičius, Ph.D. kîmya û CTO-ya berê, ku van du meh û nîvên dawîn nermalavê ava dikin. Pergal niha di asta 1. de yeguhertoya wê û dê bi berdewamî li ser bingeha hewcedarî û nerînên bikarhêneran were pêşve xistin.
Tora neuralî ya heyî "li ser binekomek pir mezin a wêneyan ku portreyan bi rêjeya% 10% dihewîne hate perwerde kirin." Savsunenko dibêje.
Ew diyar dike ku fikir ev e ku ji bo her celeb wêneyê torên cihêreng biafirînin û celebê barkirî tespît bikin û torgilokek guncan bicîh bînin. Guhertoya heyî bi wêneyên ajalan û peyzajayan re encamên baştir bi dest xistiye.
EnhanceNet-PAT
EnhanceNet-PAT algorîtmayek nû ye ku ji hêla zanyaran ve li Enstîtuya Max Planck ji bo Sîstemên Aqilmend li Tübingen hatî pêşve xistin. li Almanya. Vê teknolojiya nû jî encamên balkêş nîşan da. Li jêr mînakek bi wêneyekî orîjînal a çûkan heye:
Zanyaran wêne kişandin û ev yek çêkirin. Guhertoya rezîliya kêm a ku tê de hemî hûrguliyên hûrgulî winda dibin:
Piştre guhertoya çareseriya kêm ji hêla EnhanceNet-PAT ve hate pêvajo kirin, û guhertoyek pênaseya bilind a ku bi awayekî sûnî hatiye zêdekirin ku bi rastî ji wêneya orîjînal nayê cuda kirin.
Teknolojiyên bilindkirina kevneşopî hewl didin ku pîxel û hûrguliyên wenda tijî bikin bi hesabkirina li gorî pîxelên derdorê. Lêbelê, encamên van celeb stratejiyan nebaş bûne. Tiştê ku zanyar niha lêkolîn dikin karanîna wê ye îstîxbarata çêkirî da ku makîne bi lêkolîna guhertoyên rezîliya bilind ên orîjînal "fêr bibe" ku divê wêneyên bi rezîliya kêm çawa bin.
Binêre_jî: Ji bo 10 deverên wênekêşiyê lensa çêtirîn çi yePiştî ku bi vî rengî were perwerde kirin, algorîtma dikarin wêneyên nû bikişînin. wêneyekî kêm-çarenûsî û baştir texmînek li ser guhertoyek bi rezîliya bilind a "orijînal" a wî wêneyî bike.
"Bi îmkana dîtin û hilberîna qalibên di wêneyekî kêm-çareseriyê de û sepandina wan qalibên di nimûneyê de pêvajo, EnhanceNet-PAT difikire ka perrên çivîkan divê çawa xuya bikin û li gorî vê yekê pîxelên zêde li wêneya kêm-çareseriyê zêde dike" Enstîtuya Max Planck dibêje.
Ji bo bêtir agahdarî li ser hûrguliyên teknîkî yên EnhanceNet-PAT, here malpera projeya lêkolînê.