Uporaba umetne inteligence za izboljšanje slike se zdi nimajo omejitev. Različne eksperimentalne raziskave programske opreme so bile impresivne, saj so lahko izboljšale ločljivost fotografij na način, ki se je do takrat zdel mogoč le v policijskih serijah, ki jih gledamo na televiziji.

Ena od takšnih novih storitev je Let's Enhance, novo spletišče, ki uporablja nevronske mreže za izboljšanje fotografij. Storitev izboljša in pojasni manjkajoče podrobnosti in teksture na fotografijah. Nedavno so nemški znanstveniki objavili razvoj algoritma EnhanceNet-PAT, ki lahko na zastrašujoč način obnovi ostrino slik.

Izboljšajmo

Let's Enhance je spletno mesto, ki za izboljšanje fotografij uporablja nevronske mreže in je zasnovano minimalistično ter enostavno za uporabo. Na domači strani vas povabi, da v središče povlečete in spustite fotografijo. Po prejemu fotografije nevronsko omrežje izboljša in pojasni podrobnosti in teksture, da je fotografija videti naravno.

Vsakič, ko naložite fotografijo, se ustvarijo trije rezultati: filter Anti-JPEG preprosto odstrani artefakte JPEG, filter Boring poveča velikost, pri čemer ohrani obstoječe podrobnosti in robove, filter Magic pa nariše in pričara nove podrobnosti na fotografiji, ki jih prej dejansko ni bilo (z uporabo umetne inteligence).

Na dokončanje dela boste morali počakati nekaj minut. Spletno mesto PetaPixel je opravilo vrsto testov s sistemom z uporabo reklamne fotografije kamere Rylo, ki je bila pravkar predstavljena. Oglejte si izvirno sliko:

Poglej tudi: 5 fotografskih natečajev z brezplačno udeležbo in odličnimi nagradami

Slika je bila nato spremenjena na širino 500px.

Fotografija, široka 500px, je bila nato v programu Photoshop z uporabo možnosti "Ohrani podrobnosti (povečava)" preslikana na širino 2000px, s čimer je nastala fotografija z grozljivimi teksturami (glejte prste):

Poglej tudi: Kako fotografirati na grdih mestih

S ponovnim vzorčenjem fotografije 500px s programom Let's Enhance pa je nastala veliko čistejša različica slike, na kateri so bile obnovljene realistične teksture na rokah:

Tukaj je primerjava odrezkov, da boste lažje videli razliko:

Oglejte si druge primere:

Izvirna obrezana fotografija, ki jo je posnela Linnea Sandbakk Povečanje merila s programom Photoshop Izboljšajmo razred z Izboljšajmo Izvirni izrez fotografije Brynne Spencer Povečanje merila s programom Photoshop Izboljšajmo razred z Izboljšajmo Izvirni izrez fotografije iz banke slik Pexels Povečanje merila s programom Photoshop Izboljšajmo razred z Izboljšajmo

Let's Enhance sta ustvarila Alex Savsunenko in Vladislav Pranskevičius, doktor kemije oziroma nekdanji tehnični direktor, ki sta programsko opremo gradila zadnja dva meseca in pol. Sistem je trenutno v prvi različici in se bo nenehno izboljševal na podlagi potreb uporabnikov in povratnih informacij.

Trenutna nevronska mreža je bila "usposobljena z zelo širokim naborom slik, ki so vključevale portrete v približno 10-odstotnem deležu," pravi Savsunenko.

Pojasnjuje, da gre za ustvarjanje ločenih omrežij za vsako vrsto slike in zaznavanje naložene vrste ter uporabo ustreznega omrežja. Trenutna različica je dosegla boljše rezultate pri slikah živali in pokrajine.

EnhanceNet-PAT

EnhanceNet-PAT je nov algoritem, ki so ga razvili znanstveniki na Inštitutu Maxa Plancka za inteligentne sisteme v Tübingenu v Nemčiji. Ta nova tehnologija je prav tako pokazala impresivne rezultate. Spodaj si oglejte primer z izvirno fotografijo ptice:

Znanstveniki so posneli fotografijo in ustvarili različico z nizko ločljivostjo, na kateri so vse drobne podrobnosti izgubljene:

Različica z nizko ločljivostjo je bila nato obdelana s programom EnhanceNet-PAT, ki je ustvaril umetno izboljšana visoka ločljivost ki se skoraj ne razlikuje od originalne fotografije.

Tradicionalne tehnologije povečanja skušajo manjkajoče piksle in podrobnosti zapolniti z izračunavanjem na podlagi okoliških pikslov. Vendar so rezultati teh strategij nezadovoljivi. Znanstveniki zdaj raziskujejo uporabo umetna inteligenca tako da se stroj "nauči", kako naj bi bile videti fotografije nizke ločljivosti, tako da preuči izvirne različice visoke ločljivosti.

Ko so algoritmi tako usposobljeni, lahko vzamejo nove fotografije nizke ločljivosti in bolje ocenijo "izvirno" različico te fotografije visoke ločljivosti.

"EnhanceNet-PAT je sposoben zaznati in ustvariti vzorce na sliki nizke ločljivosti ter jih uporabiti v postopku povečanja vzorca, zato razmišlja o tem, kako naj bi bilo videti ptičje perje, in ustrezno doda dodatne piksle na sliko nizke ločljivosti," pravijo na inštitutu Max Planck.

Če želite izvedeti več o tehničnih podrobnostih projekta EnhanceNet-PAT, obiščite spletno stran raziskovalnega projekta.