Bruken av kunstig intelligens for å forbedre bilder ser ut til å ha ingen grenser . En rekke undersøkelser innen eksperimentell programvare har imponert med sin evne til å forbedre oppløsningen til fotografier på en måte som inntil da bare virket mulig i politiserier som vi ser på TV.

La oss forbedre , et nytt nettsted som bruker nevrale nettverk for å forbedre fotografier, er en slik ny funksjon. Tjenesten forbedrer og belyser detaljer og teksturer som mangler på bildene. Nylig kunngjorde tyske forskere utviklingen av EnhanceNet-PAT, en algoritme som klarer å gjenopprette skarpheten til bilder på en skremmende måte.

Se også: 8 grunnleggende belysningstyper i fotografering

Let's Enhance

Let's Enhance er et nettsted som bruker nevrale nettverk for å forbedre bilder og er designet for å være minimalistisk og enkel å bruke. Hjemmesiden inviterer deg til å dra og slippe et bilde inn i midten. Når bildet ditt er mottatt, forbedrer og belyser det nevrale nettverket detaljer og teksturer slik at bildet ser naturlig ut.

Hver gang du laster opp et bilde, produseres 3 resultater: Anti-JPEG filteret fjerner ganske enkelt JPEG-artefakter, kjedelig filter gjør oppskaleringen, bevarer eksisterende detaljer og kanter, og Magic-filteret tegner og hallusinerer nye detaljer i bildet som faktisk ikke var der før (ved hjelp av AI).

Du må vente noen minutter før jobben er gjort ,men det er verdt det – de oppnådde resultatene er virkelig imponerende. PetaPixel-nettstedet kjørte en serie tester med systemet ved å bruke et reklamebilde fra Rylo-kameraet, som nettopp ble utgitt. Se originalbildet:

Deretter ble bildet endret til 500 piksler bredt.

Bildet med en bredde på 500px ble deretter omsamplet i Photoshop til 2000px bred ved å bruke alternativet "Bevar detaljer (forstørrelse)" for å produsere et bilde med fryktelige teksturer (se fingrene):

Men omsampling av 500px-bildet ved å bruke Let's Enhance produserte en mye renere versjon av bildet som hadde realistiske håndteksturer gjenopprettet:

Her er en beskjæringssammenligning for å hjelpe deg å se forskjellen lettere:

Se andre eksempler:

Original beskjæring av et bilde av Linnea SandbakkOpskalere med PhotoshopOpskalere med Let's EnhanceOriginal beskjæring fra et bilde av Brynna SpencerOpskalere med PhotoshopOpskalere med Let's EnhanceOriginal beskjæring fra et bilde tatt fra Pexels bildebankOpskalere med PhotoshopOpskalere med Let's Enhance

Let's Enhance ble opprettet av Alex Savsunenko og Vladislav Pranskevičius, en Ph.D. henholdsvis kjemi og en tidligere CTO, som har bygget programvaren de siste to og en halv månedene. Systemet er for tiden i sin 1versjon og vil bli kontinuerlig forbedret basert på brukerbehov og tilbakemeldinger.

Det nåværende nevrale nettverket ble "trent på et veldig stort undersett av bilder som inkluderte portretter med en hastighet på omtrent 10 %," sier Savsunenko.

Han forklarer at ideen er å lage separate nettverk for hver type bilde og oppdage den lastede typen og bruke et passende nettverk. Den nåværende versjonen har oppnådd bedre resultater med bilder av dyr og landskap.

EnhanceNet-PAT

EnhanceNet-PAT er en ny algoritme utviklet av forskere ved Max Planck Institute for Intelligent Systems i Tübingen, i Tyskland. Denne nye teknologien har også vist imponerende resultater. Nedenfor er et eksempel med et originalt bilde av en fugl:

Forskere tok bildet og laget dette lavoppløsningsversjon der alle fine detaljer går tapt:

Lavoppløsningsversjonen ble deretter behandlet av EnhanceNet-PAT, og skapte en høyoppløsningsversjon som er kunstig forbedret som nesten ikke kan skilles fra originalbildet.

Se også: 5 gratis apper for å fjerne bakgrunnen fra et bilde

Tradisjonelle oppskaleringsteknologier forsøker å fylle inn manglende piksler og detaljer ved å beregne basert på omkringliggende piksler. Resultatene av denne typen strategier har imidlertid vært utilfredsstillende. Det forskerne nå utforsker er bruken av kunstig intelligens slik at maskinen «lærer» hvordan lavoppløselige bilder skal se ut ved å studere de originale høyoppløselige versjonene.

Når de er trent på denne måten, kan algoritmene ta nye bilder lavoppløsningsbilde og foreta en bedre gjetning på en «original» høyoppløselig versjon av det bildet.

«Ved å kunne oppdage og generere mønstre i et lavoppløselig bilde og bruke disse mønstrene i oppsamplingen prosess , tenker EnhanceNet-PAT på hvordan fuglens fjær skal se ut og legger til ekstra piksler til lavoppløsningsbildet tilsvarende» sier Max Planck Institute.

For å lære mer om de tekniske detaljene til EnhanceNet-PAT, gå til nettstedet for forskningsprosjektet.