Nvidia AI компенсує ваші бідні фотографічні навички, знищуючи шум у зображеннях

Nvidia AI компенсує ваші бідні фотографічні навички, знищуючи шум у зображеннях

Якщо зробити фотографію у поганому освітленні, це може призвести до того, що щось занадто пікселізоване та шумне, щоб бути корисним. Розширена обробка програмного забезпечення на деяких телефонах і камерах може виправити помірний шум, але новий проект від Nvidia, MIT і Aalto University використовує AI для виправлення екстремальних рівнів шуму. Навіть якщо система "Noise2Noise" ніколи раніше не бачила зображення, вона може змусити його зняти щось дуже близько до оригіналу.

Noise2Noise - це нейронна мережа, що означає, що вам потрібно навчити його великою кількістю даних. Команда використовувала 50 000 зображень із бази даних ImageNet, яка містить чіткі зображення з високою роздільною здатністю. Звичайно, мережа повинна переглядати шумні зображення, щоб зрозуміти, як їх де-шумати. Отже, команда штучно додав шуму до зображень і використовував їх для навчання алгоритму.

Nvidia зробила внесок у банк Tesla P100 GPU, щоб запустити тренінг з мережею за допомогою глибокого навчального плану TensorFlow з прискоренням cuDNN. Мережа була налагоджена, поки вона не змогла зняти шум і доставити щось близько до оригінального зображення набору даних. Справжній тест полягає в тому, як мережа обробляє нові зображення, які раніше не бачили. Група повідомляє, що Noise2Noise може видалити артефакти та шум з високою точністю.

Дослідники вказують на кілька можливих програм для Noise2Noise. Зйомка з низькою освітленням, мабуть, така, яка найбільшою мірою вплине на ваше життя. Ви можете запустити свої шумні фотографії через Noise2Noise і закінчити тим, що виглядає набагато приємніше. Астрофотографія часто включає дуже довгі експозиції, що призводить до високого рівня шуму. Той самий процес можна застосувати тут, щоб полегшити зображення просторі. Зображення з МРТ страждають від подібних шумових проблем, і команда тестувала Noise2Noise, як спосіб їх очищення.

Багато виробників фотоапаратів і смартфонів мають власні алгоритми обробки, що позбавляють шум від зображень RAW перед тим, як показати вам остаточний jpeg. Здебільшого, вони не покладаються на ту ж технологію, що і Noise2Noise. Єдине, що є близьким, - це компанія Google, яка застосувала технологію машинного навчання в камерах Pixel, щоб зробити подібну роботу з зменшення шуму. Проте це недалеко, як крайня. Noise2Noise може вирішити деталі з майже невизначеного пікселювання зображення. Кінцевий продукт виглядає трохи неприродно гладким, але це проблема навіть при менш потужній обробці зображень.

Дослідники представляють свою роботу на Міжнародній конференції з машинного навчання в Стокгольмі, Швеція. В даний час це просто цікава комп'ютерна наука, але обробка зображень - це великий бізнес. Практичне застосування може бути великим хітом.

Читати далі

Нові зображення Юпітера від Juno Probe показують дивовижний подробиць

У парі нещодавно випущених зображень ви можете побачити безпрецедентну кількість деталей у хмарах Юпітера, і вони обидва були створені вченими громадян.

Нове оновлення PS4 покращує якість зображення для власників PS4 Pro, що застрягли на 1080p

Оновлене оновлення Sony PS4 System Software 5.50 доповнює нові можливості, включаючи шкільний батьківський контроль, оновлення інтерфейсу користувача та деякі візуальні процедури для власників PS4 Pro, які все ще використовують телевізори 1080p.

Фотограф живої природи "Різдвяного тваринного" зображення дискваліфікований

Думаєте, що можете обманювати, щоб виграти престижний фотоконкурс? Можливо, ви захочете скористатись власним набивним антитеатром або заплутаним вовком замість запозичення тих, що добре відомі.

Машинобудівний завод чудес про невисокі зображення

Нова робота від Intel та Університету штату Іллінойс Urbana-Champaign демонструє неймовірні досягнення в фотографіях з низькою освітленості, завдяки чому люб'язність машинної розвідки.