Почти как в сериалах: разработчик научил нейросеть улучшать качество фото низкого разрешения
29 октября специализирующийся на искусственном интеллекте разработчик Алекс Джей Чампандэрд (Alex J. Champandard) из Вены опубликовал в GitHub код, который позволяет с помощью нейросети улучшить качество снимков низкого разрешения.
Как отмечает Чампандэрд, улучшение качества снимков низкого разрешения с помощью вымышленного компьютерного алгоритма стало крайне популярным штампом на телевидении и в кино.
Герои голливудских блокбастеров и детективных сериалов моментально улучшают качество размытых снимков с камер видеонаблюдения, получая возможность их увеличивать и разглядывать мельчайшие детали.
По словам разработчика, ему удалось достигнуть схожего эффекта при помощи всего лишь 340 строк кода. С помощью нейросети он научился заметно улучшать качество снимков низкого разрешения, убирая эффект пикселизации и повышая чёткость.
Чампандэрд пояснил, что хоть полученный им эффект и похож на тот, что показывают в кино и сериалах, вымысел так и остался вымыслом. В реальной жизни, если у фотографии низкое качество, то информации о мелких деталях в кадре просто неоткуда взяться: искусственному интеллекту приходится их придумывать на основе предыдущих опытов.
Нейросеть «галлюцинирует» детали на основе тестовых примеров, которые были пропущены через неё ранее.
Алекс Джей Чампандэрд, разработчик
Таким образом, в зависимости от того, с помощью каких примеров была обучена нейросеть, она лучше или хуже справляется с фотографиями определённого типа.
Сервис можно протестировать и самостоятельно. Разработчики запустили его веб-версию, в которую можно заливать фотографии с разрешением 256 на 256 или 320 на 200 точек (для попадания в экран заливки нужно нажать на ссылку с текстом Neural Enhance 4x: Photos в левом верхнем углу).
Проверка TJ показала, что наиболее наглядного результата удаётся достигнуть, если загружать изображение в разрешении 128 на 128 точек.
В последнее время нейросети всё чаще находят различные применения в области обработки и анализа изображений. Например, с их помощью уже научились распознавать размытые лица и реалистично деформировать объекты на снимках.
