Новий алгоритм дозволяє перетворювати зображення з низькою роздільною здатністю на деталізовані фото в стилі “CSI

Будь-хто, хто коли-небудь працював з графічними файлами, знає, що, на відміну від вигаданого світу таких шоу, як CSI, не існує простого способу взяти зображення з низькою роздільною здатністю і чарівним чином перетворити його на фотографію з високою роздільною здатністю за допомогою якогось вигадливого інструменту “покращення”. На щастя, над цією проблемою працюють блискучі комп’ютерні вчені з Інституту інтелектуальних систем імені Макса Планка в Німеччині – і вони розробили досить дотепний алгоритм її розв’язання.

Вони розробили інструмент під назвою EnhanceNet-PAT, який використовує штучний інтелект для створення версій зображень високої чіткості з низькою роздільною здатністю. Хоча це рішення не є чудодійним, воно дає помітно кращий результат, ніж попередні спроби, завдяки деяким розумним алгоритмам машинного навчання.

“Завдання надвисокої роздільної здатності вивчалося протягом десятиліть, – розповів Digital Trends Мехді М.С. Саджаді (Mehdi M.S. Sajjadi), один з дослідників проекту. “До цієї роботи навіть найсучасніші технології давали дуже розмиті зображення, особливо на текстурованих ділянках. Причиною цього є те, що від нейромереж вимагали неможливого – реконструювати оригінальне зображення з точністю до пікселя. Оскільки це неможливо, нейромережі видають розмиті результати. Ми застосовуємо інший підхід, [замість цього] просячи нейромережу створювати реалістичні текстури. Для цього нейронна мережа дивиться на все зображення, виявляє регіони і використовує цю семантичну інформацію для створення реалістичних текстур і більш чітких зображень”.

Щоб навчити свій алгоритм, дослідники надали нейронній мережі великий набір даних зображень, щоб накопичити її знання про різні текстури. Нейронна мережа бачить лише зменшені версії зображень, і їй дається завдання збільшити вибірку цих зображень. Після того, як мережа створює вихідне зображення, дослідники порівнюють його з оригінальним зображенням високої роздільної здатності і налаштовують алгоритм для виправлення будь-яких помилок, наприклад, змушуючи його створювати більш чіткі краї або більш реалістичні текстури трави там, де він цього не робив. Через деякий час алгоритм здатен робити це самостійно, без втручання людини.

“Існує багато застосувань для цього, – продовжив Саджаді. “Починаючи від підвищення якості старих фільмів до 4К, відновлення старих сімейних фотографій, які занадто розмиті, коли ви хочете отримати великий друк, і закінчуючи більш загальними застосуваннями, такими як поліпшення виявлення об’єктів. [Виявляється, що використання нашого алгоритму на зображеннях полегшує іншим нейронним мережам виявлення об’єктів на зображеннях, що має широке застосування, від пошуку зображень в Google до виявлення пішоходів в безпілотних автомобілях”.

Рекомендація редакції

Source: digitaltrends.com