Эта нейронная сеть может сделать ваши размытые изображения идеальным качеством снова

Нет ничего хуже, чем открыть изображение на вашем компьютере только для того, чтобы обнаружить, что оно настолько зернистое, что вы даже не можете его разобрать.

Некоторые люди могут сказать, получить лучшую камеру. Эти люди злые. Но компьютерные ученые - хорошие, полезные люди - говорят, что используют нейронную сеть, компьютерную систему, предназначенную для имитации мышления человеческого мозга.

Три компьютерных ученых из Оксфордского университета и Сколковского института науки и технологий в Москве, которые специализируются на компьютерном зрении, разработали нейронную сеть, которая может превратить эту бесполезную пиксельную фотографию тоста с авокадо в изображение, которое идеально подходит для Instagram. Они называют это Deep Image Prior.

Нейронные сети слабо смоделированы, чтобы напоминать человеческий мозг. Они состоят из тысяч узлов, которые они используют для принятия решений и суждений о представляемых им данных. Как и малыши, они вначале ничего не знают, но после пары тысяч тренировок они могут быстро стать лучше людей в повседневных делах.

Многие нейронные сети обучаются, предоставляя им большие наборы данных, что дает им огромный пул информации, из которого можно извлечь, когда дело доходит до принятия решения.

Deep Image Prior использует другой подход. Он обрабатывает все, начиная с этого единственного исходного изображения, и не требует предварительной подготовки, прежде чем превратить ваше испорченное, испорченное изображение обратно в снимок в высоком разрешении.

Три компьютерных ученых использовали генераторную сеть, чтобы перерисовывать размытое изображение тысячи раз, пока оно не станет настолько хорошим, что создаст изображения лучше, чем оригинал. Он использует существующий ввод в качестве контекста для заполнения отсутствующих или поврежденных частей. Некоторые из результатов были даже лучше, чем выходные данные предварительно обученных нейронных сетей.

«Сеть наполняет поврежденные регионы текстурами, находящимися поблизости», - сказал Дмитрий Ульянов, соавтор исследования в редакции Reddit.

Он признал, что в некоторых случаях произошел сбой сети, например, сложность восстановления человеческого глаза: «Очевидным случаем отказа может быть все, что связано с семантической окраской, например, закрасить область, где вы ожидаете увидеть глаза - наш метод ничего не знает о семантике лица и заполнит поврежденную область некоторыми текстурами ».

Помимо восстановления фотографий, Deep Image Prior также смог успешно удалить текст, размещенный над изображениями. Что вызывает опасения, что эту модель можно использовать для удаления водяных знаков или другой информации об авторских правах из изображений в Интернете. Реальная возможность, которую возможно пропустили во время этого исследования.

Этот эксперимент доказывает, что вам не нужен доступ к колоссальному набору данных для создания функционирующей нейронной сети. Помимо всего хорошего, что это может сделать для вашей папки с фотографиями, это может стать самым долгосрочным вкладом этого проекта.