Pinapabuti ng artificial intelligence ang mga larawang mababa ang resolution
Talaan ng nilalaman
Ang paggamit ng artificial intelligence upang pahusayin ang mga larawan ay tila walang limitasyon . Ang isang serye ng mga pananaliksik sa pang-eksperimentong software ay humanga sa kakayahan nitong pahusayin ang resolution ng mga litrato sa paraang hanggang noon ay tila posible lamang sa mga serye ng pulisya na nakikita natin sa TV.
Tingnan din: Larawan para sa Whatsapp profile: 6 mahahalagang tipPagbutihin Natin , isang bagong website na gumagamit ng mga neural network para mapahusay ang mga litrato ay isa sa mga bagong feature. Ang serbisyo ay nagpapahusay at nagpapaliwanag ng mga detalye at texture na nawawala sa mga larawan. Kamakailan, inanunsyo ng mga German scientist ang pagbuo ng EnhanceNet-PAT, isang algorithm na namamahala upang mabawi ang sharpness ng mga larawan sa nakakatakot na paraan.
Pahusayin Natin
Ang Let's Enhance ay isang website na gumagamit ng neural network upang mapahusay ang mga larawan at idinisenyo upang maging minimalist at madaling gamitin. Iniimbitahan ka ng homepage na i-drag at i-drop ang isang larawan sa gitna. Kapag natanggap na ang iyong larawan, pinapaganda at pinaliliwanag ng neural network ang mga detalye at texture para magmukhang natural ang larawan.
Sa tuwing mag-a-upload ka ng larawan, 3 resulta ang nagagawa: ang Anti-JPEG Tinatanggal lang ng filter ang mga JPEG artifact, ginagawa ng boring na filter ang pag-upscale, pinapanatili ang mga kasalukuyang detalye at gilid, at ang Magic filter ay kumukuha at nagha-hallucinate ng mga bagong detalye sa larawan na wala pa noon (gamit ang AI).
Kakailanganin mong maghintay ng ilang minuto para matapos ang trabaho ,ngunit sulit ito – ang mga resultang nakuha ay talagang kahanga-hanga. Ang website ng PetaPixel ay nagpatakbo ng isang serye ng mga pagsubok sa system gamit ang isang publicity photo mula sa Rylo camera, na kakalabas lang. Tingnan ang orihinal na larawan:
Tingnan din: Sino ang nag-imbento ng unang camera sa kasaysayan?
Pagkatapos ay binago ang larawan sa 500px ang lapad.
Ang larawang 500px ang lapad ay pagkatapos ay na-resampling sa Photoshop sa 2000px ang lapad gamit ang opsyong “Preserve Details (enlargement)” na gumagawa ng larawang may kakila-kilabot na mga texture (tingnan ang mga daliri):
Ngunit resampling ang 500px na larawan gamit ang Ang Let's Enhance ay gumawa ng mas malinis na bersyon ng larawan na may mga makatotohanang hand texture na na-restore:
Narito ang paghahambing ng crop upang matulungan kang mas madaling makita ang pagkakaiba:
Tingnan ang iba pang mga halimbawa:
Orihinal na pag-crop ng isang larawan ni Linnea SandbakkUpscale sa PhotoshopUpscale sa Let's EnhanceOrihinal na pag-crop mula sa isang larawan ni Brynna SpencerUpscale with PhotoshopUpscale with Let's EnhanceOriginal crop mula sa isang larawang kinunan mula sa Pexels image bankUpscale with PhotoshopUpscale with Let's EnhanceNagawa ang Let's Enhance ni Alex Savsunenko at Vladislav Pranskevičius, isang Ph.D. chemistry at isang dating CTO ayon sa pagkakabanggit, na gumagawa ng software sa huling dalawa at kalahating buwan. Ang sistema ay kasalukuyang nasa 1st nitobersyon at patuloy na mapapabuti batay sa mga pangangailangan at feedback ng user.
Ang kasalukuyang neural network ay "sinanay sa napakalaking subset ng mga larawan na may kasamang mga portrait sa rate na humigit-kumulang 10%," sabi ni Savsunenko.
Ipinaliwanag niya na ang ideya ay lumikha ng hiwalay na mga network para sa bawat uri ng larawan at makita ang na-load na uri at maglapat ng naaangkop na network. Nakamit ng kasalukuyang bersyon ang mas magagandang resulta sa mga larawan ng mga hayop at landscape.
EnhanceNet-PAT
Ang EnhanceNet-PAT ay isang bagong algorithm na binuo ng mga siyentipiko sa Max Planck Institute for Intelligent Systems sa Tübingen, sa Germany. Ang bagong teknolohiyang ito ay nagpakita rin ng mga kahanga-hangang resulta. Nasa ibaba ang isang halimbawa na may orihinal na larawan ng isang ibon:
Kinuha ng mga siyentipiko ang larawan at ginawa ito mababang resolution na bersyon kung saan nawala ang lahat ng magagandang detalye:
Ang mababang resolution na bersyon ay naproseso noon ng EnhanceNet-PAT, na lumilikha ng high definition na bersyon na artipisyal na pinahusay na halos hindi makilala sa orihinal na larawan.
Sinusubukan ng mga tradisyonal na teknolohiya sa pag-upscale na punan ang mga nawawalang pixel at detalye sa pamamagitan ng pagkalkula batay sa mga nakapaligid na pixel. Gayunpaman, ang mga resulta ng mga ganitong uri ng estratehiya ay hindi kasiya-siya. Ang tinutuklas ngayon ng mga siyentipiko ay ang paggamit ng artificial intelligence upang “matutunan” ng makina kung ano ang hitsura ng mga larawang mababa ang resolution sa pamamagitan ng pag-aaral sa orihinal na mga bersyon na may mataas na resolution.
Kapag nasanay sa ganitong paraan, maaaring kumuha ng mga bagong larawan ang mga algorithm mababang resolution na larawan at gumawa ng mas mahusay na hula sa isang "orihinal" na may mataas na resolution na bersyon ng larawang iyon.
"Sa pamamagitan ng kakayahang makita at makabuo ng mga pattern sa isang mababang resolution na larawan at ilapat ang mga pattern na iyon sa upsampling proseso , iniisip ng EnhanceNet-PAT kung ano dapat ang hitsura ng mga balahibo ng ibon at nagdaragdag ng mga karagdagang pixel sa mababang resolution na imahe nang naaayon” sabi ng Max Planck Institute.
Upang matuto nang higit pa tungkol sa mga teknikal na detalye ng EnhanceNet-PAT, pumunta sa website ng research project.