ÐÑÐ¸ÐºÐ¾Ð»Ñ Ñ ÐºÐ¾Ñками и коÑами
Няма нищо по-лошо от отварянето на изображение на компютъра ви, само за да откриете, че е толкова зърнесто, че дори не можете да започнете да го правите.
Някои хора биха казали, че получават по-добра камера. Тези хора са лоши. Но компютърните учени - добрите, полезни хора - казват, че използват невронна мрежа, компютърна система, предназначена да имитира мисленето на човешкия мозък.
Трима компютърни учени от Оксфордския университет и Института за наука и технологии „Сколково” в Москва, които специализират в компютърното зрение, са разработили невронна мрежа, която може да направи тази безполезна пикселна снимка на авокадото тост в изображение, което може да се направи. Наричат го Deep Image Prior.
Невронните мрежи са слабо моделирани, за да приличат на човешки мозък. Те са съставени от хиляди възли, които използват, за да вземат решения и преценки относно данните, които им се представят. Точно като малки деца те започват да не знаят нищо, но след няколко хиляди тренировъчни сесии могат бързо да станат по-добри от хората при ежедневните задачи.
Много невронни мрежи се обучават, като им подават големи масиви от данни, което им дава огромен набор от информация, за да се извлече от тях, когато става въпрос за вземане на решение.
Deep Image Prior има различен подход. Той изработва всичко от самото оригинално изображение, без да се нуждае от предварително обучение, преди да може да превърне вашите покварени образи обратно в снимки с висока резолюция.
Тримата компютърни учени използваха генераторна мрежа, за да преначертаят замъглената картина хиляди пъти, докато не стане толкова добра, че създава изображения по-добре от оригинала. Той използва съществуващия вход като контекст за попълване на липсващите или повредените части. Някои от резултатите бяха дори по-добри от резултатите от предварително обучени невронни мрежи.
„Мрежата наподобява корумпираните региони с текстури от близките”, каза Дмитрий Улянов, съавтор на изследването в пост reddit.
Той призна, че има някои случаи, в които мрежата ще се провали, като например сложността на реконструкцията на човешкото око: „Очевидният случай на провал би бил всичко, свързано със семантично боядисване, напр. оцветяване на регион, в който очаквате да бъде око - нашият метод не знае нищо за семантиката на лицето и ще запълни корумпирания регион с някои текстури."
Освен възстановяването на снимки, Deep Image Prior също успя да премахне успешно текста, поставен върху изображенията. Това поражда загриженост, че този модел може да се използва за премахване на водни знаци или друга информация за авторски права от изображения онлайн. Възможност за реалния свят, която може би е пренебрегвана по време на това изследване.
Този експеримент доказва, че не се нуждаете от достъп до колосален набор от данни, за да създадете функционираща невронна мрежа. Освен всичко, което би могло да се направи за папката ви със снимки, това може да се окаже най-дълготрайният принос на този проект.
Може ли „свръхчовешката“ невронна мрежа на Google наистина да каже на местоположението на всяко изображение?
Търсенето на изображения е по-лесно от всякога. Но ако се опитвате да намерите снимка на нещо на място, което не е съвсем очевидно (така че не египетските пирамиди или гигантската скулптура за палеца в Париж), е по-трудно, отколкото си мислите - дори и с информацията за геолокация, базирана на какво има в образа. Въведете Google e ...
Учените разработват невронна мрежа за решаване на кръстословици
Кръстословиците са нов начин за обработка на езика на компютрите, според ново проучване от международен екип от компютърни учени. Още по-добре, това изследване също може да ви помогне да измамите пъзела на Sunday Times (направете го с писалка, brah!). Целта на работата не беше да помогнем на хората да подберат малките ключалки, които спр ...
Тази AI невронна мрежа от Nvidia създава фотореалистични фалшиви изображения
Компютърните учени от Nvidia и UC Berkeley създават невронни мрежи, които могат да правят реалистични изображения с висока резолюция, използвайки само основен план.