तस्बिरहरू सुधार गर्न आर्टिफिसियल इन्टेलिजेन्सको प्रयोगको कुनै सीमा छैन जस्तो देखिन्छ । प्रायोगिक सफ्टवेयरमा भएका अनुसन्धानहरूको शृङ्खलाले फोटोग्राफहरूको रिजोल्युसन लाई सुधार गर्ने क्षमताले प्रभावित गरेको छ जुन त्यसबेलासम्म हामीले टिभीमा देख्ने प्रहरी शृङ्खलाहरूमा मात्र सम्भव देखिन्थ्यो।

बढौं। , नयाँ वेबसाइट जसले तस्बिरहरू बृद्धि गर्न न्यूरल नेटवर्कहरू प्रयोग गर्दछ त्यस्तै एउटा नयाँ सुविधा हो। सेवाले तस्बिरहरूबाट छुटेका विवरणहरू र बनावटहरूलाई बढावा दिन्छ। हालसालै, जर्मन वैज्ञानिकहरूले EnhanceNet-PAT को विकासको घोषणा गरे, एउटा एल्गोरिथ्म जसले छविहरूको तीखोपनलाई डरलाग्दो तरिकाले पुन: प्राप्ति गर्न प्रबन्ध गर्दछ।

बढौं

लेट्स एन्हान्स एक वेबसाइट हो जसले तंत्रिका प्रयोग गर्दछ। तस्बिरहरू बृद्धि गर्न नेटवर्कहरू र न्यूनतम र प्रयोग गर्न सजिलो हुन डिजाइन गरिएको छ। गृहपृष्ठले तपाईंलाई केन्द्रमा तस्बिर तान्न र ड्रप गर्न आमन्त्रित गर्दछ। तपाईँको तस्बिर प्राप्त भएपछि, तस्बिर प्राकृतिक देखिने गरी न्यूरल नेटवर्कले विवरण र बनावटलाई बढाउँछ र स्पष्ट गर्छ।

तपाईँले फोटो अपलोड गर्दा प्रत्येक पटक ३ परिणामहरू उत्पादन हुन्छन्: एन्टि-जेपीईजी फिल्टरले JPEG कलाकृतिहरू मात्र हटाउँछ, बोरिङ फिल्टरले अपस्केलिंग गर्छ, अवस्थित विवरणहरू र किनारहरू जोगाउँछ, र म्याजिक फिल्टरले फोटोमा नयाँ विवरणहरू तान्छ र भ्रमित गर्छ जुन पहिले त्यहाँ थिएन (AI प्रयोग गरेर)।

तपाईंले काम गर्नका लागि केही मिनेट पर्खनु पर्नेछ ,तर यो यसको लायक छ - प्राप्त परिणामहरू साँच्चै प्रभावशाली छन्। पेटापिक्सेल वेबसाइटले Rylo क्यामेराबाट प्रचार फोटो प्रयोग गरेर प्रणालीसँग परीक्षणहरूको श्रृंखला चलाएको छ, जुन भर्खरै जारी गरिएको थियो। मूल छवि हेर्नुहोस्:

त्यसपछि छविको आकार 500px चौडा बनाइएको थियो।

500px चौडाको फोटो थियो त्यसपछि फोटोशपमा 2000px चौडामा पुन: नमूना बनाइयो "विवरणहरू सुरक्षित गर्नुहोस् (बृद्धि)" विकल्प प्रयोग गरेर भयानक बनावट (औँलाहरू हेर्नुहोस्):

तर प्रयोग गरेर 500px फोटो पुन: नमूना बनाउँदै चलो Enhance ले छविको धेरै क्लिनर संस्करण उत्पादन गर्‍यो जसमा यथार्थपरक हातको बनावट पुनर्स्थापना गरिएको थियो:

यो पनि हेर्नुहोस्: एक गिलास वाइन पिउँदा मानिसहरु राम्रो देखिन्छन्, अनुसन्धान भन्छ

तपाईलाई फरक सजिलैसँग हेर्न मद्दतको लागि यहाँ एउटा क्रप तुलना छ:

अन्य उदाहरणहरू हेर्नुहोस्:

Linnea Sandbakk द्वारा फोटोको मूल क्रपिङफोटोशपको साथ अपस्केलLet's Enhance सँग अपस्केलफोटोबाट मूल क्रपिङ Brynna Spencer द्वाराफोटोशपको साथ अपस्केलLet's Enhance सँग अपस्केलPexels छवि बैंकबाट लिइएको फोटोबाट मूल क्रपफोटोशपको साथ अपस्केलLet's Enhance को साथ Upscale

Let's Enhance सिर्जना गरिएको थियो एलेक्स Savsunenko र Vladislav Pranskevicius द्वारा, एक पीएच.डी. पछिल्लो साढे दुई महिनादेखि सफ्टवेयर निर्माण गरिरहेका क्रमशः रसायनशास्त्र र पूर्व सीटीओ डा. प्रणाली अहिले पहिलो चरणमा छसंस्करण र प्रयोगकर्ताको आवश्यकता र प्रतिक्रियाको आधारमा निरन्तर सुधार गरिनेछ।

हालको न्यूरल नेटवर्कलाई "तस्बिरहरूको धेरै ठूलो उपसेटमा तालिम दिइएको थियो जसमा लगभग 10% को दरमा पोर्ट्रेटहरू समावेश थिए," Savsunenko भन्छन्।

उनी बताउँछन् कि प्रत्येक प्रकारको छविको लागि छुट्टै नेटवर्कहरू सिर्जना गर्ने र लोड गरिएको प्रकार पत्ता लगाउने र उपयुक्त नेटवर्क लागू गर्ने विचार हो। हालको संस्करणले जनावर र ल्याण्डस्केपका तस्बिरहरूसहित राम्रो नतिजाहरू हासिल गरेको छ।

EnhanceNet-PAT

EnhanceNet-PAT Tübingen मा Max Planck Institute for Intelligent Systems का वैज्ञानिकहरूले विकास गरेको नयाँ एल्गोरिदम हो। जर्मनीमा। यो नयाँ प्रविधिले पनि प्रभावशाली नतिजाहरू देखाएको छ। तल एउटा चराको मौलिक तस्बिरसहितको उदाहरण दिइएको छ:

वैज्ञानिकहरूले फोटो लिए र यसलाई सिर्जना गरे कम रिजोल्युसन संस्करण जसमा सबै राम्रा विवरणहरू हराएका छन्:

लो रिजोलुसन संस्करणलाई EnhanceNet-PAT द्वारा प्रशोधन गरिएको थियो, उच्च परिभाषा संस्करण कृत्रिम रूपमा बढाइएको जुन मूल तस्बिरबाट वस्तुतः अविभाज्य छ।

यो पनि हेर्नुहोस्: मोबाइलमा तस्बिरहरू सम्पादन गर्न सबैभन्दा धेरै प्रयोग हुने ५ फोटो एपहरू

परम्परागत अपस्केलिंग प्रविधिहरूले वरपरका पिक्सेलहरूमा आधारित गणना गरेर हराएको पिक्सेल र विवरणहरू भर्ने प्रयास गर्दछ। तर, यस्ता रणनीतिहरूको नतिजा सन्तोषजनक छैन। वैज्ञानिकहरूले अहिले के खोजिरहेका छन् यसको प्रयोग हो कृत्रिम बौद्धिकता ताकि मेसिनले मूल उच्च-रिजोल्युसन संस्करणहरू अध्ययन गरेर कम-रिजोल्युसनका तस्बिरहरू कस्तो हुनुपर्छ भनेर "सिक्दछ"।

यस तरिकाले तालिम प्राप्त भएपछि, एल्गोरिदमहरूले नयाँ फोटोहरू लिन सक्छन्। कम-रिजोल्युसन छवि र त्यो तस्बिरको "मूल" उच्च-रिजोल्युसन संस्करणमा राम्रो अनुमान गर्नुहोस्।

"कम-रिजोल्युसन छविमा ढाँचाहरू पत्ता लगाउन र उत्पन्न गर्न सक्षम भएर र ती ढाँचाहरू अपसम्पलिंगमा लागू गरेर प्रक्रिया, EnhanceNet-PAT ले चराको प्वाँख कस्तो हुनुपर्छ भन्ने बारे सोच्दछ र तदनुसार कम-रिजोल्युसन छविमा अतिरिक्त पिक्सेल थप्छ" म्याक्स प्लान्क संस्थान भन्छ।

EnhanceNet-PAT को प्राविधिक विवरणहरू बारे थप जान्नको लागि, अनुसन्धान परियोजना वेबसाइटमा जानुहोस्।