Google na obrázky nasadí RAISR

Zvětšování obrázků se neobejde bez bolestných výsledků. Objekt se kostičkuje nebo rozmlžuje, každopádně vypadá nakonec tak, že se každý raději poohlédne po nějaké jiné metodě, než aby musel zvětšit malý obrázek. Google chce vší té bolesti trochu ulevit - jak jinak než za pomocí umělé inteligence. Nakrmil její algoritmy kvanty dat a výsledné metodě zvětšení fotek říká RAISR.

 

RAISR (z anglického Rapid and Accurate Image Super-Resolution, tedy obrázek v super-rozlišení rychle a přesně) představuje Peyman Milanfar z vývojového týmu Googlu: „RAISR je metoda, která zahrnuje postupy strojového učení, s cílem generování vysoce kvalitních verzí zdrojových obrázků s nízkým rozlišením. RAISR dosahuje výsledků srovnatelných (či lepších) s momentálně dostupnými metodami dosahování vysokého rozlišení - a činí tak 10 - 100krát rychleji, díky čemuž může být používána na běžných mobilních zařízeních v reálném čase. Krom toho se umí RAISR vyhnout i znovuvytváření aliasingových objektů, které mohou být přítomny v obrázcích s nízkým rozlišením.“

Při vytváření většího obrázku z maloformátového zdroje se typicky postupuje metodou převzorkování. Běžné postupy postupují lineárně: nové pixely vytvářejí jednoduchou kombinací okolních pixelů. Celý grafický podklad proženou jednoduchým algoritmem spojujícím zdrojový a první finální vzor. Díky tomu jsou rychlé - a také velmi nepřesné, což je na finálních výtvorech znát. Viz obr. I.

Metoda RAISR však spočívá v něčem jiném: tým Googlu nakrmil umělou inteligenci velkým množstvím párů fotek v nízkém a vysokém rozlišení a jal se jí trénovat optimálnímu převzorkovávání. A to dvěma způsoby:

• jednomu přímočarému: umělé inteligenci jsou předloženy pouze nízko rozlišené a vysoko rozlišené obrázky - ta se učí vzorce převzorkování pouze na základě rozdílů předložených párů;
• druhému zahrnujícímu lineární převzorkování: zdroj je nejprve převzorkován lineárně (např. bikubicky jako na obr. I). Umělá inteligence následně vyvozuje vzorce převzorkování z rozdílů mezi lineárně převzorkovaným obrázkem a obrázkem ve vysokém rozlišení.

Oba způsoby strojového učení se přitom zaměřují na vlastnosti okrajů, jako jsou jas vs. gradient barvy, hladké vs. texturované plochy apod. a to v parametrech směru, síly a koherence.

Krom zaostření, zvýšení kontrastu a věrnosti celého objektu se metoda RAISR umí vyhnout i vytvoření aliasingových zkreslení obrazu jako moaré efekty či zubaté okraje, které vznikají nedostatečnou kapacitou rastrů nízkých rozlišení pojmout detaily reálného objektu.

RAISR pomůže nejen při znovuvytváření věrných kopií objektů ze zdrojů s nízkým rozlišením, ale mohl by pomoci i při úsporách datových přenosů každodenně v miliardách vznikajících fotek.

Zdroje: Google Research Blog

 

Daniel Beránek, 14.11.2016 14:48

 

 

 

	Spotify nabídne AI playlisty Spotify rozšiřuje hranice personalizované hudby zaváděním AI playlistů, což je beta funkce umožňující Premium uživatelům ve Spojeném království a Austrálii transformovat jakýkoliv nápad na perfektně na míru šitý playlist. Díky...
	Microsoft a OpenAI postaví datacentrum se superpočítačem za 100 mld. USD Microsoft a OpenAI chystají postavit datacentrum se superpočítačem za 100 miliard dolarů. Ambiciózní projekt, známý jako Stargate, slibuje posunout hranice toho, co je možné v datovém zpracování a umělé inteligenci. S plánovaným spuštěním...
	Google zvažuje zpoplatnění AI vyhledávání Svět technologií je opět v pohybu, přičemž gigant Google vážně uvažuje o zásadním kroku - zpoplatnění pokročilých funkcí vyhledávání, které využívají umělou inteligenci (AI). Takovýto krok by mohl změnit základy toho, jak...
	Opera to s AI míní vážně. Nyní nabízí lokální LLMs Opera se snaží co nejvíce využít vlnu AI. Nabízí nejen vlastní AI asistentku Ariu, ale jejím prostřednictvím i spoustu dalších funkcí. Nyní přichází s podporou lokálně spustitelných velkých jazykových modelů, což...