Ta nevronska mreža lahko znova naredi vaše zamegljene slike popolne kakovosti

Nič ni slabšega, kot da odprete sliko v računalniku in ugotovite, da je tako zrnata, da je ne morete niti začeti urejati.

Nekateri ljudje bi lahko rekli, da dobijo boljšo kamero. Ti ljudje so zlobni. Vendar računalniški znanstveniki - dobri, koristni ljudje - pravijo, da uporabljajo nevronsko mrežo, računalniški sistem, zasnovan tako, da posnema razmišljanje človeških možganov.

Trije računalniški znanstveniki z Oxfordske univerze in Inštituta za znanost in tehnologijo Skolkovo v Moskvi, ki so specializirani za računalniški vid, so razvili nevronsko mrežo, ki lahko to neuporabno sliko avokada nazdravi v sliko, ki je popolnoma Instagrammable. Kličejo ga Deep Image Prior.

Nevronske mreže so ohlapno oblikovane, da so podobne človeškim možganom. Sestavljeni so iz več tisoč vozlišč, ki jih uporabljajo za sprejemanje odločitev in sodb glede podatkov, ki so jim predstavljeni. Prav tako kot malčki začnejo vedeti ničesar, toda po nekaj tisoč treningih lahko hitro postanejo boljši od človeka pri vsakodnevnih opravilih.

Veliko nevronskih mrež je usposobljenih tako, da jih hrani z velikimi podatkovnimi nizi, kar jim daje ogromno zbirko informacij, ki jih je mogoče uporabiti pri odločanju.

Deep Image Prior ima drugačen pristop. Deluje iz vsega tistega izvirnega posnetka, ne da bi bilo potrebno predhodno usposabljanje, preden lahko spremeni vaš posneti poškodovan posnetek nazaj v fotografijo visoke ločljivosti.

Trije računalniški znanstveniki so uporabili generatorsko omrežje, da bi tisočkrat ponovili zamegleno sliko, dokler ne postane tako dobra, da ustvarja slike boljše od izvirnika. Uporabi obstoječi vhod kot kontekst za zapolnitev manjkajočih ali poškodovanih delov. Nekateri rezultati so bili celo boljši od rezultatov iz predhodno usposobljenih nevronskih mrež.

"Mreža je nekako zapolnila poškodovane regije z bližnjimi teksturami," je dejal Dmitrij Uljanov, soavtor raziskave v reddit postu.

Priznal je, da obstajajo primeri, ko bi omrežje propadlo, kot je na primer kompleksnost rekonstrukcije človeškega očesa: »Očiten primer neuspeha bi bil vse, kar bi bilo povezano s semantičnimi slikami, npr. očrtajte regijo, kjer pričakujete, da bo vaše oko - naša metoda ne ve ničesar o semantiki obraza in bo zapolnila poškodovano regijo z nekaj teksturami."

Poleg obnavljanja fotografij je Deep Image Prior uspelo tudi uspešno odstraniti besedilo, ki je bilo postavljeno preko slik. Kar vzbuja zaskrbljenost, da bi se ta model lahko uporabil za odstranjevanje vodnih žigov ali drugih informacij o avtorskih pravicah iz spletnih slik. Možnost, ki je v tej raziskavi morda spregledana.

Ta preizkus dokazuje, da ne potrebujete dostopa do ogromnega niza podatkov za ustvarjanje delujoče nevronske mreže. Poleg vsega dobrega, kar bi lahko to naredilo za vašo mapo s fotografijami, bi lahko ta projekt postal najbolj trajen prispevek.