Нейронная сеть Nvidia научилась «чистить» фотографии от шумов

noise_logo
Поделиться:

Парад крутых прорывов в обучении искусственного интеллекта продолжается. Самых больших успехов в работе нейросетей с изображениями добились Facebook и Nvidia.

В новой работе Nvidia нам показан алгоритм, который «может исправить ваши зернистые фотографии лишь по одному взгляду на зернистые фотографии».

Эта работа была разработана исследователями из NVIDIA, Университета Аалто и Массачусетского технологического института, и на этой неделе представлена на Международной конференции по машиноведению в Стокгольме.

Недавняя работа в этой области сосредоточена на обучении нейронной сети для восстановления изображений на основе данных пар изображений с шумом и без. Этот метод отличается тем, что он требует только двух входных изображений с шумом или зернистостью — то есть ему не показывается чистое изображение.

noise_1

Рисунок 1. Примеры для шумов Пуассона. Слева — вводное изображение, по центру — результат алгоритм Nvidia, справа — настоящая чистая фотография

Без сравнения с оригиналом этот искусственный интеллект может удалять артефакты, шум, зерно и автоматически улучшать ваши фотографии.

«[Нейронная сеть] находится на одном уровне с самыми современными методами, которые используют чистые примеры — используя точно ту же методику обучения и часто без существенных недостатков во времени обучения или производительности».

Noise_2

Команда проверила нейронную сеть на трех разных наборах данных. Этот метод можно даже использовать для улучшения изображений МРТ, тем самым прокладывая путь, возможно, к радикальному улучшению визуализации в медицине.

Noise_3

«Существует несколько ситуаций в реальном мире, где трудно получить чистые данные для обучения: фотографирование с низким освещением (например, астрономическое изображение), физическая обработка и магнитно-резонансная томография», — сказали в команде. «Наши демонстрации указывают путь к значительным потенциальным преимуществам в этих приложениях, устраняя необходимость в потенциально сложном сборе чистых данных. Конечно, не всё так гладко — мы не можем научиться выбирать функции, которых нет в исходных данных, но это в равной степени относится и к обучению с чистыми целями».

Noise_4

Команда представит свою работу широкой общественности на конференции ICML 12 июля.

Читайте также:

Нейросеть Facebook открывает закрытые глаза на снимках

Adobe использует ИИ для обнаружения ретушированных изображений

NVIDIA показала нейросеть для доработки изображений

<p style="text-align: center">Нашли ошибку?  Выделите текст и нажмите <em>Ctrl+Enter</em>.</p>
Поделиться:

Теги

Сообщить об опечатке

Текст, который будет отправлен нашим редакторам:

Яндекс.Метрика