Ученые в Институте имени Макса Планка разработали новый алгоритм для улучшения изображений. Он обрабатывает фотографии низкого разрешения таким образом, чтобы они стали более резкими и детализированными. Выглядит как чудо. Для работы алгоритма нужно только исходное изображение, а все остальное он сделает сам, сохранив реалистичные текстуры и детали.
Согласно тексту, описывающему новый алгоритм, современные технологии не так хорошо улучшают разрешение. Как правило, в результате получаются слишком размытые изображения, у которых не бывает реалистичных текстур, из-за чего они выглядят неестественно. И в этот раз, новый алгоритм решает эту проблему, его основная задача — создание реалистичных текстур.
Исследователи использовали большой набор изображений для обучения нейронной сети. Они «обучали» нейронную сеть с помощью высококачественных снимков с высоким разрешением, после чего обрабатывали те же снимки, но в меньшем разрешении. Алгоритм пытался улучшать снимки, после чего исследователи сравнивали результаты и корректировали алгоритм для устранения ошибок. В результате получилось создать алгоритм, который делает все эти киношные штампы с бесконечным увеличением части кадра более реалистичными.
Как сообщают авторы, этот алгоритм может использоваться в самых разных отраслях. Например его вполне реально применять для «улучшения» старых фильмов для просмотра их в 4K или для восстановления старых семейных фотографий. Что касается более широкого применения, то алгоритм может использоваться для улучшения обнаружения объектов на фотографии. Один из авторов — Мехди Саджади, рассказал сайту Digital Trends, что это означает, вещи типа поиска пешеходов в алгоритмах автопилотов автомобилей смогут работать лучше, или, например, система поиска изображений в интернете, когда требуется найти определенные объекты на снимке.
Повышение разрешения фотографий можно использовать и при передаче данных через интернет на мобильные устройства: вместо полного снимка или видео, отправлять намного более сжатый материал, который будет восстанавливаться при воспроизведении. Это заметно ускорит работу каждого отдельного устройства и снизит нагрузку на сеть.
Больше подробностей и примеров можно найти на сайте Arxiv.org (на английском языке).
Отправить комментарий