nestormedia.com nestorexpo.com nestormarket.com nestorclub.com
на главнуюновостио проекте, реклама получить rss-ленту

Искусственный интеллект устраняет цифровой шум, глядя на фотографии с шумом


Искусственный интеллект устраняет цифровой шум, глядя на фотографии с шумом
Что если бы вы могли автоматически устранять шумы и артефакты с фотографий, сделанных в условиях слабого освещения? Или вы хотите убрать зернистость и пикселизацию с изображений из своей фотогалереи? Новый метод, основанный на алгоритмах глубокого обучения, научился улучшать качество фотографий, просто глядя на примеры фотографий с дефектом.

Этот проект был выполнен исследователями из NVIDIA, Университета Аалто и Массачусетского технологического института (MIT) и представлен на Международной конференции по машинному обучению в Стокгольме (ICML, Швеция).

В предыдущих проектах в этой области нейросеть обучалась восстанавливать фотографии, определяя разницу между парными изображениями – с шумом и без. Новый метод отличается тем, что нейросети «скармливаются» только изображения с шумом или зерном.

Этой нейросети никогда не показывали, как выглядит чистое изображение, но она способна устранять артефакты, шум, зерно, и автоматически улучшать качество фотографий.

“ИИ можно научить восстанавливать сигналы, даже без сравнения их с чистыми аналогами, причем с бОльшей скоростью, чем в случае использования исключительно чистых образцов, - утверждают исследователи в своей работе. – Созданная нейросеть не уступает методам, в которых нейросеть учится на основе чистых образцов, — она использует тот же самый метод и не уступает ни по времени обучения, ни по результатам работы”.

Команда проекта обучила свою систему на 50 000 изображениях из набора ImageNet с помощью графических процессоров NVIDIA Tesla P100 с фреймворком глубокого обучения TensorFlow с ускорением cuDNN.

Чтобы протестировать систему, были выбраны три разных набора изображений.

Данный метод может использоваться не только для домашнего фотоархива, но и для улучшения МРТ-снимков, что должно значительно усовершенствовать качество визуализации в медицине.



“В обычной жизни есть ряд ситуаций, когда действительно сложно получить чистые образцы для обучения нейросети: фотографии в условиях низкой освещенности (например, астрономические снимки), физически корректный рендеринг и магнитнорезонансная визуализация, - объясняют разработчики. – Наши демонстрации позволяют потенциально получить весомые преимущества в данных областях, устраняя необходимость в зачастую трудоемком процессе получения чистых данных. Конечно, здесь есть свои ограничения. Мы не можем воссоздать объекты, которые отсутствуют в наборе для обучения. Но это ограничение относится в равной степени и к обучению на основе чистых изображений”.



компании и бренды
NVIDIA



Ещё из раздела технологии

  • авторы: Samael
  • номер: 2012/23
В наш век высоких технологий невероятно быстро развиваются технические гаджеты, которые окружают нас постоянно. Буквально через пару-тройку лет то, что было привычно сегодня, станет совсем другим. Причем на «будущее» все мы легко можем ...
  • компании и бренды: Intel
  • номер: 2012/21
Компания Intel в ближайшие 5 лет планирует вложить более $40 млн для создания мировой сети университетских исследовательских сообществ в рамках проекта Intel Collaborative Research Institutes (ICRI). Программа ICRI будет создана на базе ...
  • компании и бренды: Microsoft
  • авторы: Игорь Грень
  • номер: 2012/21
Помните, что такое эффект Доплера? Если подзабыли, попробуйте погуглить. Тем не менее, если серьезно, то эффект Доплера описывает явление, которое наблюдается, когда источник звука (или электромагнитных волн любого, не только звукового ...
© 2022 PressEnter
                                            

Сайт работает на платформе Nestorclub.com