загрузка...


Американські вчені створили революційний алгоритм виправлення поганих фотографій

Загрузка...
http//nv.ua/img/article/23293/72_main_ukr.jpgІнженери з університету Берна і університету штату Меріленд створили новий алгоритм відновлення пошкоджених цифрових зображень.

Методика використовує силу штучних нейронних мереж для виправлення кількох типів дефектів відразу, пише  EurekAlert!.

Програма коригує різкість зображення, прибирає шум, а також виконує ряд інших завдань. Творці алгоритму навчили його на великому наборі фотографій високої якості. В результаті алгоритм навчився пророкувати, як має виглядати вихідне зображення, на основі даних про текстуру, колір, світлі і кордони.

"Традиційно, існували інструменти, які вирішували кожну проблему із зображенням окремо. Кожен з них використовував інтуїтивні припущення про те, як виглядає гарне зображення. Останнім часом, штучні нейронні мережі були застосовані для вирішення проблем із зображенням, але послідовно. Наш алгоритм йде на крок далі. Він може вирішувати широкий спектр проблем одночасно", - сказав автор нового алгоритму, Маттіас Цвікер з Бернського університету.

Програмісти запропонували використовувати байєсовську систему глибокого навчання для відновлення різкості розмитого зображення, збільшення роздільної здатності і демозаїкі. З'ясувалося, що алгоритм може визначати і усувати відхилення від ідеальних параметрів на завантажених знімках. Іншими словами, виправляючи, наприклад, зернистість зображення, він одночасно прибирає і інші дефекти. Щоравда, відтворювати складні елементи знімка алгоритм поки не вміє.

"Щоб розпізнавати риси високого рівня, алгоритму потрібен контекст. Наприклад, якщо на знімку показано обличчя, то найімовірніше, пікселі зверху - це волосся. Це схоже на рішення головоломки. Як тільки ви визначите, де знаходиться цей шматок, відразу стане зрозуміло, що являють собою пікселі", - підкреслив Цвікер.

За словами розробників, система поки добре справляється з простими недоліками, наприклад розмитими краями об'єктів. Дослідники представили свої висновки 5 грудня 2017 року, на 31-й конференції по системах обробки інформації Neural в Лонг-Біч, штат Каліфорнія.


Інші новини:






Loading...