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
OpenAI «DALL-E» генерує зображення з текстових описів
Все, що вам потрібно зробити, - це дати DALL-E деякі вказівки, і він може намалювати для вас зображення. Іноді візуалізація трохи краща, ніж малювання пальцями, але інколи це вражаюче точні зображення.
Надзвичайно швидкий сонячний зонд НАСА повертає дивовижне зображення Венери
За даними NASA, Паркер помітив невидиме раніше сяйво, яке могло бути продуктом кисню в негостинній атмосфері планети. Несподівана чіткість поверхневих особливостей також змушує вчених переоцінити, наскільки чутливі камери Паркера.
Нове зображення супермасивної чорної діри показує закручені магнітні поля
Телескоп горизонту події дав нам знаковий образ 2019 року чорної діри, перший коли-небудь вироблений. Тепер команда провела нові спостереження над магістральною чорною дірою в центрі галактики M87, виявляючи лінії магнітного поля навколо порожнечі.
Hubble Watches Young Planet росте з новою технікою зображення
Ці знаки вперше вчені змогли безпосередньо спостерігати за все ще формування екзопланету.