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

Еще из раздела технологии

  • авторы: Антон Платов
  • компании и бренды: Apple
  • номер: 2013/05
Технология LTE – мобильная связь и беспроводная передача данных четвертого поколения – становится влиятельным фактором на всем IT-рынке. Это уже не сказки про счастливую жизнь в мире 4G, это конкретные устройства и сети. Потому сейчас, в ...
подробнее
  • авторы: Антон Платов
  • номер: 2013/04
В Сети все чаще можно встретить упоминание нового аудиокодека под названием Opus. Уже достоверно известно, что в скором времени он будет применен в очередной версии Skype, а в дальнейшем может даже вытеснить из употребления формат MP3. То ...
подробнее
  • авторы: Роман Арбузов
  • номер: 2012/42
Не так давно принтер был лишь офисной принадлежностью, сейчас же он все больше и больше уходит в массы. Теперь принтер есть не то что в каждом офисе, а практически в каждом доме, и никого им не удивить. И это уже не офисная привилегия, а ...
подробнее
© 2019 PressEnter
                                            

Сайт работает на платформе Nestorclub.com