Ученые создали революционный алгоритм исправления плохих фотографий | |
 Иллюстрация / Фото: из открытых источников Программисты предложили использовать байесовкую систему глубокого обучения для восстановления резкости размытого изображения
Инженеры из университета Берна и университета штата Мэриленд создали новый алгоритм восстановления поврежденных цифровых изображений. Методика использует силу искусственных нейронных сетей для исправления нескольких типов дефектов сразу, пишет EurekAlert!.Программа корректирует резкость изображения, убирает шум, а также выполняет ряд других задач. Создатели алгоритма обучили его на большом наборе фотографий высокого качества. В результате алгоритм научился предсказывать, как должно выглядеть исходное изображение, на основе данных о текстуре, цвете, свете и границах. "Традиционно, существовали инструменты, которые решали каждую проблему с изображением в отдельности. Каждый из них использовал интуитивные предположения о том, как выглядит хорошее изображение. В последнее время, искусственные нейронные сети были применены для решения проблем с изображением, но последовательно. Наш алгоритм идет на шаг дальше. Он может решать широкий спектр проблем одновременно", - сказал автор нового алгоритма, Маттиас Цвикер из Бернского университета. Программисты предложили использовать байесовкую систему глубокого обучения для восстановления резкости размытого изображения, увеличения разрешения и демозаики. Выяснилось, что алгоритм может определять и устранять отклонения от идеальных параметров на загруженных снимках. Иными словами, исправляя, например, зернистость изображения, он одновременно убирает и другие дефекты. Правда, воссоздавать сложные элементы снимка алгоритм пока не умеет. "Чтобы распознавать черты высокого уровня, алгоритму нужен контекст. Например, если на снимке показано лицо, то вероятнее всего, пиксели сверху — это волосы. Это похоже на решение головоломки. Как только вы определите, где находится этот кусок, сразу станет понятно, что представляют собой пиксели", — подчеркнул Цвикер. По словам разработчиков, система пока хорошо справляется с простыми недостатками, например размытыми краями объектов. Исследователи представили свои выводы 5 декабря 2017 года, на 31-й конференции по системам обработки информации Neural в Лонг-Бич, штат Калифорния. 
| |
|
07.12.2017 в 20:17 861 IT | |
| Комментариев: 0 | |
Войдите, чтобы оставить комментарий.