ປັນຍາທຽມປັບປຸງຮູບພາບທີ່ມີຄວາມລະອຽດຕໍ່າ
![ປັນຍາທຽມປັບປຸງຮູບພາບທີ່ມີຄວາມລະອຽດຕໍ່າ](/wp-content/uploads/dicas-de-fotografia/2911/1kitxl35yt.jpg)
ສາລະບານ
ການນໍາໃຊ້ປັນຍາປະດິດເພື່ອປັບປຸງຮູບພາບເບິ່ງຄືວ່າ ບໍ່ມີຂອບເຂດຈໍາກັດ . ຊຸດຂອງການຄົ້ນຄວ້າໃນຊອບແວທົດລອງໄດ້ປະທັບໃຈກັບຄວາມສາມາດຂອງຕົນໃນການປັບປຸງ ຄວາມລະອຽດຂອງຮູບຖ່າຍ ໃນທາງທີ່ຈົນກ່ວານັ້ນເບິ່ງຄືວ່າເປັນໄປໄດ້ພຽງແຕ່ໃນຊຸດຕໍາຫຼວດທີ່ພວກເຮົາເຫັນໃນໂທລະພາບ.
ໃຫ້ພວກເຮົາປັບປຸງ. , ເວັບໄຊທ໌ໃຫມ່ທີ່ໃຊ້ເຄືອຂ່າຍ neural ເພື່ອເພີ່ມການຖ່າຍຮູບແມ່ນຫນຶ່ງໃນລັກສະນະໃຫມ່ດັ່ງກ່າວ. ການບໍລິການປັບປຸງ ແລະອະທິບາຍລາຍລະອຽດ ແລະໂຄງສ້າງທີ່ຂາດຫາຍໄປຈາກຮູບ. ຫວ່າງມໍ່ໆມານີ້, ນັກວິທະຍາສາດເຢຍລະມັນໄດ້ປະກາດການພັດທະນາຂອງ EnhanceNet-PAT, ສູດການຄິດໄລ່ທີ່ຊ່ວຍກູ້ຄວາມຄົມຊັດຂອງຮູບພາບໃນແບບທີ່ໜ້າຢ້ານກົວ.
Let's Enhance
Let's Enhance ເປັນເວັບໄຊທີ່ໃຊ້ລະບົບປະສາດ ເຄືອຂ່າຍເພື່ອເສີມຂະຫຍາຍຮູບພາບແລະໄດ້ຖືກອອກແບບໃຫ້ມີຫນ້ອຍແລະງ່າຍທີ່ຈະນໍາໃຊ້. ຫນ້າທໍາອິດເຊີນທ່ານລາກແລະວາງຮູບເຂົ້າໄປໃນສູນກາງ. ເມື່ອໄດ້ຮັບຮູບຂອງທ່ານແລ້ວ, ເຄືອຂ່າຍ neural ຈະປັບປຸງ ແລະອະທິບາຍລາຍລະອຽດ ແລະໂຄງສ້າງເພື່ອໃຫ້ຮູບເປັນທໍາມະຊາດ.
ທຸກໆຄັ້ງທີ່ທ່ານອັບໂຫລດຮູບ, ຜົນໄດ້ຮັບ 3 ອັນແມ່ນ: Anti-JPEG ການກັ່ນຕອງພຽງແຕ່ເອົາສິ່ງປອມ JPEG, ການກັ່ນຕອງທີ່ຫນ້າເບື່ອເຮັດໃຫ້ການຂະຫຍາຍ, ຮັກສາລາຍລະອຽດແລະຂອບທີ່ມີຢູ່, ແລະ Magic filter ແຕ້ມແລະໃຫ້ຄວາມຫຶງຫວງໃນລາຍລະອຽດໃຫມ່ໃນຮູບທີ່ບໍ່ເຄີຍມີມາກ່ອນ (ໂດຍໃຊ້ AI).
ເຈົ້າຈະຕ້ອງລໍຖ້າສອງສາມນາທີເພື່ອໃຫ້ວຽກສຳເລັດ ,ແຕ່ມັນຄຸ້ມຄ່າ – ຜົນໄດ້ຮັບທີ່ໄດ້ຮັບແມ່ນປະທັບໃຈແທ້ໆ. ເວັບໄຊທ໌ PetaPixel ໄດ້ດໍາເນີນການທົດສອບຫຼາຍໆຄັ້ງກັບລະບົບໂດຍໃຊ້ຮູບພາບສາທາລະນະຈາກກ້ອງຖ່າຍຮູບ Rylo, ເຊິ່ງຫາກໍປ່ອຍອອກມາ. ເບິ່ງຮູບຕົ້ນສະບັບ:
ຈາກນັ້ນຮູບໄດ້ຖືກປັບຂະໜາດເປັນກວ້າງ 500px.
ຮູບທີ່ກວ້າງ 500px ແມ່ນ ຈາກນັ້ນນຳມາໃຊ້ໃໝ່ໃນ Photoshop ເປັນຂະໜາດກວ້າງ 2000px ໂດຍໃຊ້ຕົວເລືອກ “ຮັກສາລາຍລະອຽດ (ການຂະຫຍາຍ)” ການຜະລິດຮູບທີ່ມີໂຄງສ້າງທີ່ໜ້າຢ້ານ (ເບິ່ງທີ່ນິ້ວມື):
ແຕ່ການເອົາຕົວຢ່າງຮູບ 500px ຄືນໃໝ່ໂດຍໃຊ້ ປັບປຸງໃຫ້ດີຂຶ້ນເປັນຮູບທີ່ສະອາດກວ່າຂອງຮູບທີ່ມີໂຄງສ້າງມືຈິງຄືນມາ:
ນີ້ແມ່ນການປຽບທຽບການປູກພືດເພື່ອຊ່ວຍໃຫ້ທ່ານເຫັນຄວາມແຕກຕ່າງໄດ້ງ່າຍຂຶ້ນ:
ເບິ່ງຕົວຢ່າງອື່ນໆ:
ເບິ່ງ_ນຳ: 5 ແອັບທີ່ດີທີ່ສຸດເພື່ອສ້າງ Instagram Reels![](/wp-content/uploads/dicas-de-fotografia/2911/1kitxl35yt-5.jpg)
![](/wp-content/uploads/dicas-de-fotografia/2911/1kitxl35yt-6.jpg)
![](/wp-content/uploads/dicas-de-fotografia/2911/1kitxl35yt-7.jpg)
![](/wp-content/uploads/dicas-de-fotografia/2911/1kitxl35yt-8.jpg)
![](/wp-content/uploads/dicas-de-fotografia/2911/1kitxl35yt-9.jpg)
![](/wp-content/uploads/dicas-de-fotografia/2911/1kitxl35yt-10.jpg)
![](/wp-content/uploads/dicas-de-fotografia/2911/1kitxl35yt-11.jpg)
![](/wp-content/uploads/dicas-de-fotografia/2911/1kitxl35yt-12.jpg)
![](/wp-content/uploads/dicas-de-fotografia/2911/1kitxl35yt-13.jpg)
Let's Enhance ຖືກສ້າງຂື້ນ ໂດຍ Alex Savsunenko ແລະ Vladislav Pranskevičius, ປະລິນຍາເອກ. ເຄມີສາດແລະອະດີດ CTO ຕາມລໍາດັບ, ຜູ້ທີ່ໄດ້ສ້າງຊອບແວສໍາລັບສອງເດືອນເຄິ່ງທີ່ຜ່ານມາ. ປະຈຸບັນລະບົບດັ່ງກ່າວຢູ່ໃນອັນດັບທີ 1ສະບັບ ແລະຈະໄດ້ຮັບການປັບປຸງຢ່າງຕໍ່ເນື່ອງໂດຍອີງໃສ່ຄວາມຕ້ອງການຂອງຜູ້ໃຊ້ ແລະຄໍາຕິຊົມ.
ເຄືອຂ່າຍ neural ໃນປັດຈຸບັນ "ໄດ້ຮັບການຝຶກອົບຮົມໃນຊຸດຍ່ອຍຂະຫນາດໃຫຍ່ຫຼາຍຂອງຮູບພາບທີ່ລວມເອົາຮູບຄົນໃນອັດຕາປະມານ 10%," Savsunenko ເວົ້າວ່າ.
ລາວອະທິບາຍວ່າແນວຄວາມຄິດແມ່ນເພື່ອສ້າງເຄືອຂ່າຍແຍກຕ່າງຫາກສໍາລັບແຕ່ລະປະເພດຂອງຮູບພາບແລະກວດພົບປະເພດຂອງການໂຫຼດແລະນໍາໃຊ້ເຄືອຂ່າຍທີ່ເຫມາະສົມ. ສະບັບປະຈຸບັນໄດ້ບັນລຸຜົນໄດ້ຮັບທີ່ດີກວ່າດ້ວຍຮູບພາບຂອງສັດ ແລະພູມສັນຖານ.
EnhanceNet-PAT
EnhanceNet-PAT ແມ່ນລະບົບວິທີໃໝ່ທີ່ພັດທະນາໂດຍນັກວິທະຍາສາດຢູ່ສະຖາບັນ Max Planck ສໍາລັບລະບົບອັດສະລິຍະໃນTübingen, ໃນເຢຍລະມັນ. ເທກໂນໂລຍີໃໝ່ນີ້ຍັງໄດ້ສະແດງຜົນທີ່ໜ້າປະທັບໃຈ. ຂ້າງລຸ່ມນີ້ແມ່ນຕົວຢ່າງທີ່ມີຮູບຕົ້ນສະບັບຂອງນົກຊະນິດໜຶ່ງ:
ນັກວິທະຍາສາດໄດ້ຖ່າຍຮູບແລະສ້າງຮູບນີ້. ລຸ້ນຄວາມລະອຽດຕ່ຳທີ່ສູນເສຍລາຍລະອຽດອັນລະອຽດທັງໝົດ:
ສະບັບຄວາມລະອຽດຕ່ຳໄດ້ຖືກປະມວນຜົນໂດຍ EnhanceNet-PAT, ສ້າງ ເວີຊັນຄວາມລະອຽດສູງທີ່ປັບປຸງໂດຍປອມ ເກືອບວ່າບໍ່ສາມາດແຍກອອກຈາກຮູບຕົ້ນສະບັບໄດ້.
ເທັກໂນໂລຢີການຂະຫຍາຍຂະໜາດແບບດັ້ງເດີມພະຍາຍາມຕື່ມຂໍ້ມູນໃນ pixels ແລະລາຍລະອຽດທີ່ຂາດຫາຍໄປໂດຍການຄິດໄລ່ໂດຍອີງໃສ່ pixels ອ້ອມຂ້າງ. ຢ່າງໃດກໍ່ຕາມ, ຜົນໄດ້ຮັບຂອງຍຸດທະສາດປະເພດເຫຼົ່ານີ້ບໍ່ຫນ້າພໍໃຈ. ສິ່ງທີ່ນັກວິທະຍາສາດກໍາລັງຄົ້ນຫາໃນປັດຈຸບັນແມ່ນການນໍາໃຊ້ ປັນຍາປະດິດ ເພື່ອໃຫ້ເຄື່ອງໄດ້ “ຮຽນຮູ້” ວ່າຮູບທີ່ມີຄວາມລະອຽດຕໍ່າຄວນຈະເປັນແນວໃດ ໂດຍການສຶກສາສະບັບຕົ້ນສະບັບທີ່ມີຄວາມລະອຽດສູງ.
ເບິ່ງ_ນຳ: ງານວາງສະແດງຂະຫນານເຮັດວຽກໂດຍ Deborah Andersonເມື່ອໄດ້ຮັບການຝຶກອົບຮົມດ້ວຍວິທີນີ້, ສູດການຄິດໄລ່ສາມາດຖ່າຍຮູບໃໝ່ໄດ້. ຮູບພາບທີ່ມີຄວາມລະອຽດຕໍ່າ ແລະເຮັດໃຫ້ການຄາດເດົາໄດ້ດີຂຶ້ນໃນ “ຕົ້ນສະບັບ” ສະບັບຄວາມລະອຽດສູງຂອງຮູບນັ້ນ.
“ໂດຍສາມາດກວດຫາ ແລະສ້າງຮູບແບບຕ່າງໆໃນຮູບທີ່ມີຄວາມລະອຽດຕໍ່າ ແລະນຳໃຊ້ຮູບແບບເຫຼົ່ານັ້ນໃນການຍົກຕົວຢ່າງ. ຂະບວນການ , EnhanceNet-PAT ຄິດກ່ຽວກັບສິ່ງທີ່ feathers ຂອງນົກຄວນຈະມີລັກສະນະແລະເພີ່ມ pixels ເພີ່ມເຕີມຕໍ່ກັບຮູບພາບທີ່ມີຄວາມລະອຽດຕ່ໍາຕາມຄວາມເຫມາະສົມ” Max Planck Institute ກ່າວ.
ເພື່ອຮຽນຮູ້ເພີ່ມເຕີມກ່ຽວກັບລາຍລະອຽດດ້ານວິຊາການຂອງ EnhanceNet-PAT, ໄປທີ່ ເວັບໄຊທ໌ໂຄງການຄົ້ນຄວ້າ.