कृत्रिम बुद्धिमत्ता कमी-रिझोल्यूशन फोटो सुधारते
![कृत्रिम बुद्धिमत्ता कमी-रिझोल्यूशन फोटो सुधारते](/wp-content/uploads/dicas-de-fotografia/2911/1kitxl35yt.jpg)
सामग्री सारणी
प्रतिमा सुधारण्यासाठी कृत्रिम बुद्धिमत्तेच्या वापराला कोणत्याही मर्यादा नाहीत असे दिसते . प्रायोगिक सॉफ्टवेअरमधील संशोधनांच्या मालिकेने फोटोग्राफ्सचे रिझोल्यूशन सुधारण्याच्या क्षमतेने प्रभावित केले आहे की तोपर्यंत आपण टीव्हीवर पाहत असलेल्या पोलीस मालिकांमध्येच शक्य होते.
चला वाढवूया. , छायाचित्रे वाढविण्यासाठी न्यूरल नेटवर्क वापरणारी नवीन वेबसाइट ही अशीच एक नवीन वैशिष्ट्य आहे. सेवा फोटोंमधून गहाळ असलेले तपशील आणि पोत सुधारते आणि स्पष्ट करते. अगदी अलीकडे, जर्मन शास्त्रज्ञांनी EnhanceNet-PAT च्या विकासाची घोषणा केली, एक अल्गोरिदम जो भयावह मार्गाने प्रतिमांची तीक्ष्णता पुनर्प्राप्त करण्यासाठी व्यवस्थापित करतो.
चला वाढवूया
लेट्स एन्हान्स ही एक वेबसाइट आहे जी न्यूरल वापरते फोटो वर्धित करण्यासाठी नेटवर्क आणि कमीतकमी आणि वापरण्यास सुलभ करण्यासाठी डिझाइन केलेले आहे. मुख्यपृष्ठ तुम्हाला मध्यभागी फोटो ड्रॅग आणि ड्रॉप करण्यासाठी आमंत्रित करते. तुमचा फोटो प्राप्त झाल्यावर, न्यूरल नेटवर्क तपशील आणि पोत वाढवते आणि स्पष्ट करते जेणेकरून फोटो नैसर्गिक दिसतो.
प्रत्येक वेळी तुम्ही फोटो अपलोड करता तेव्हा 3 परिणाम तयार केले जातात: अँटी-जेपीईजी फिल्टर फक्त JPEG आर्टिफॅक्ट्स काढून टाकतो, बोरिंग फिल्टर अपस्केलिंग करतो, विद्यमान तपशील आणि कडा जतन करतो आणि मॅजिक फिल्टर फोटोमध्ये नवीन तपशील काढतो आणि भ्रमित करतो जे आधी नव्हते (AI वापरून).
काम पूर्ण होण्यासाठी तुम्हाला काही मिनिटे थांबावे लागेल ,परंतु ते फायदेशीर आहे - प्राप्त परिणाम खरोखर प्रभावी आहेत. पेटापिक्सेल वेबसाइटने नुकतेच रिलीझ झालेल्या रायलो कॅमेऱ्यातील प्रसिद्धी फोटो वापरून सिस्टमसह चाचण्यांची मालिका चालवली. मूळ प्रतिमा पहा:
नंतर प्रतिमेचा आकार 500px रुंद करण्यात आला.
500px रुंदीचा फोटो होता नंतर फोटोशॉपमध्ये 2000px रुंद 2000px रुंद करण्यासाठी “प्रिझर्व्ह डिटेल्स (विस्तार)” पर्याय वापरून भयानक पोत (बोटांनी पहा):
परंतु वापरून 500px फोटोचे पुनर्नमुनाकरण लेट्स एन्हान्स ने प्रतिमेची एक अधिक क्लीनर आवृत्ती तयार केली ज्यामध्ये हाताची वास्तविक रचना पुनर्संचयित केली गेली आहे:
तुम्हाला फरक अधिक सहजतेने पाहण्यात मदत करण्यासाठी येथे एक क्रॉप तुलना आहे:
इतर उदाहरणे पहा:
![](/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 तयार केले आहे अॅलेक्स सवसुनेन्को आणि व्लादिस्लाव प्रँस्केविशियस, पीएच.डी. अनुक्रमे रसायनशास्त्र आणि माजी सीटीओ, जे गेल्या अडीच महिन्यांपासून सॉफ्टवेअर तयार करत आहेत. यंत्रणा सध्या पहिल्या टप्प्यात आहेआवृत्ती आणि वापरकर्त्याच्या गरजा आणि अभिप्रायाच्या आधारे सतत सुधारली जाईल.
सध्याचे न्यूरल नेटवर्क "अंदाजे 10% दराने पोर्ट्रेट समाविष्ट असलेल्या प्रतिमांच्या मोठ्या उपसंचावर प्रशिक्षित होते," Savsunenko म्हणतात.<5
तो स्पष्ट करतो की प्रत्येक प्रकारच्या प्रतिमेसाठी स्वतंत्र नेटवर्क तयार करणे आणि लोड केलेला प्रकार शोधणे आणि योग्य नेटवर्क लागू करणे ही कल्पना आहे. सध्याच्या आवृत्तीने प्राणी आणि भूदृश्यांच्या प्रतिमांसह चांगले परिणाम प्राप्त केले आहेत.
EnhanceNet-PAT
EnhanceNet-PAT हे ट्युबिंगेन येथील मॅक्स प्लँक इन्स्टिट्यूट फॉर इंटेलिजेंट सिस्टम्समधील शास्त्रज्ञांनी विकसित केलेले नवीन अल्गोरिदम आहे. जर्मनीत. या नवीन तंत्रज्ञानाने प्रभावी परिणाम देखील दाखवले आहेत. खाली एका पक्ष्याच्या मूळ फोटोचे उदाहरण दिले आहे:
शास्त्रज्ञांनी हा फोटो घेतला आणि तो तयार केला कमी रिझोल्युशन आवृत्ती ज्यामध्ये सर्व बारीकसारीक तपशील गमावले जातात:
कमी रिझोल्यूशन आवृत्तीवर एन्हान्सनेट-पीएटी द्वारे प्रक्रिया केली गेली, ज्यामुळे हाय डेफिनेशन आवृत्ती कृत्रिमरित्या वर्धित केली गेली जे मूळ फोटोपासून अक्षरशः वेगळे करता येत नाही.
पारंपारिक अपस्केलिंग तंत्रज्ञान आजूबाजूच्या पिक्सेलवर आधारित गणना करून गहाळ पिक्सेल आणि तपशील भरण्याचा प्रयत्न करतात. तथापि, या प्रकारच्या धोरणांचे परिणाम असमाधानकारक आहेत. शास्त्रज्ञ आता कशाचा शोध घेत आहेत कृत्रिम बुद्धिमत्ता जेणेकरुन मशीन कमी-रिझोल्यूशनचे फोटो कसे दिसावे हे मूळ उच्च-रिझोल्यूशन आवृत्त्यांचा अभ्यास करून "शिकते".
अशा प्रकारे प्रशिक्षित झाल्यावर, अल्गोरिदम नवीन फोटो घेऊ शकतात कमी-रिझोल्यूशन प्रतिमा आणि त्या फोटोच्या “मूळ” उच्च-रिझोल्यूशन आवृत्तीवर अधिक चांगला अंदाज लावा.
“कमी-रिझोल्यूशन इमेजमध्ये पॅटर्न शोधण्यात आणि तयार करण्यात सक्षम होऊन आणि ते नमुने अपसॅम्पलिंगमध्ये लागू करून प्रक्रिया, EnhanceNet-PAT पक्ष्यांची पिसे कशी दिसावी याचा विचार करते आणि त्यानुसार कमी-रिझोल्यूशन इमेजमध्ये अतिरिक्त पिक्सेल जोडते” मॅक्स प्लँक इन्स्टिट्यूट म्हणते.
EnhanceNet-PAT च्या तांत्रिक तपशीलांबद्दल अधिक जाणून घेण्यासाठी, संशोधन प्रकल्प वेबसाइटवर जा.