Машинное обучение улучшило картинки в Google+

МЕНЮ


Искусственный интеллект
Поиск
Регистрация на сайте
Помощь проекту

ТЕМЫ


Новости ИИРазработка ИИВнедрение ИИРабота разума и сознаниеМодель мозгаРобототехника, БПЛАТрансгуманизмОбработка текстаТеория эволюцииДополненная реальностьЖелезоКиберугрозыНаучный мирИТ индустрияРазработка ПОТеория информацииМатематикаЦифровая экономика

Авторизация



RSS


RSS новости


 

Фотография заката в формате JPEG с уменьшением степени сжатия слева направо

Wikimedia Commons

Социальная сеть Google+ начала использовать технологию RAISR, которая позволяет с помощью методов машинного обучения восстанавливать сжатое изображение до высокого разрешения с сохранением четкости. Об этом сообщает 9to5Google со ссылкой на блог разработчиков.

Технологии увеличения разрешения изображения действительно используются для экономии и «облегчения» страниц, однако восстановление изображения за счет добавления количества пикселей на основе уже имеющихся использует постоянный набор фильтров, что нередко приводит к тому, что итоговая картинка в высоком разрешении получается нечеткой и мелкие детали размываются. Кроме того, изображение может получиться искаженным из-за артефактов алиасинга

Для того, чтобы бороться с негативными явлениями, возникающими при увеличения разрешения изображения, в Google разработали метод, позволяющий с помощью технологий машинного обучения восстанавливать изображения высокого разрешения с сохранением четкости и предотвращением алиасинга. Сама технология RAISR была представлена еще осенью 2016 года, однако теперь в компании сообщили о реальном применении метода для сжатия фотографий в социальной сети Google+.

Пример восстановления сжатого изображения с помощью RAISR

Google

Разработчики изначально предлагали тренировать RAISR двумя методами: на парах изображений с низким и высоким разрешением, а также на парах, в которых используется оригинальное изображение с высоким разрешением и картинка, восстановленная одним из существующих методов масштабирования. На основании сравнения обучающих изображений программа генерирует фильтры, которые позволяют из изображения плохого качества получить картинку, наиболее близкую к оригиналу высокого разрешения. Поскольку RIASR анализирует контуры объектов на изображении, такой метод позволяет более точно подбирать фильтры для обработки улучшенного изображения в каждом конкретном случае.

Пример улучшения изображения в плохом качестве с помощью RAISR

Andrzej Dragan / Google

По словам разработчиков, RAISR работает в 10-100 раз быстрее традиционных методов увеличения разрешения, что позволило использовать новую технологию для отображения изображений высокого разрешения на мобильных устройствах. При этом технология не только увеличивает разрешение изображения, но и хорошо справляется с артефактами сжатия. Как отмечают представители Google, на данный момент компания обрабатывает с помощью RAISR более миллиарда изображений в неделю, а передача уменьшенных изображений в некоторых случаях может экономить до 75 процентов пропускной способности канала. На данный момент RAISR используется небольшой группой Android-устройств, однако в ближайшем будущем в Google планируют начать более широкое использование технологии.

Машинное обучение в последнее время все чаще используется для работы с изображениями. Исследователи из Калифорнийского университета в Беркли, например, создали нейросеть для раскрашивания черно-белых изображений, а компания Magic Pony Technology научила нейросеть «додумывать» изображение — например, масштабировать картинку в более высокое разрешение, реалистично дорисовать текстуру, дополнив существующее изображения, а также улучшить резкость видео.

Николай Воронцов


Источник: nplus1.ru

Комментарии: