Ця нейронна мережа може зробити ваші розмиті зображення відмінною якістю знову

Немає нічого гіршого, ніж відкрити зображення на вашому комп'ютері лише для того, щоб виявити, що він настільки зернистий, що ви навіть не можете почати його розробляти.

Деякі люди можуть сказати, що отримують кращу камеру. Ці люди середні. Але комп'ютерні вчені - добрі, корисні люди - кажуть, що використовують нейронну мережу, комп'ютерну систему, призначену для імітації мислення людського мозку.

Три комп'ютерні вчені з Оксфордського університету та Інституту науки і техніки «Сколково» в Москві, які спеціалізуються на комп'ютерному баченні, розробили нейронну мережу, яка може зробити цю марну авокадо тост в образі, що абсолютно зручне. Вони називають це Deep Image Prior.

Нейронні мережі вільно моделюються, щоб нагадувати людський мозок. Вони складаються з тисяч вузлів, які вони використовують для прийняття рішень та суджень щодо даних, які їм подаються. Так само, як малюки, вони починають не знати нічого, але після декількох тисяч тренувальних занять вони можуть швидко стати кращими за людей у ​​повсякденних завданнях.

Багато нейронні мережі навчаються, подаючи їм великі набори даних, що дає їм величезний обсяг інформації, щоб витягнути, коли справа доходить до прийняття рішення.

Deep Image Prior приймає інший підхід. Він розробляє все, що від тільки одного оригінального зображення, не потребуючи будь-якого попереднього навчання, перш ніж він може перетворити ваш дерьмовий, пошкоджений образ назад у високий знімок.

Три комп'ютерні вчені використовували генераторну мережу для перемальовування розмитої картини тисячі разів, поки вона не стала настільки гарною, що вона створює зображення краще, ніж оригінал. Він використовує існуючий вхід як контекст для заповнення відсутніх або пошкоджених частин. Деякі результати були навіть кращими, ніж вихідні дані з попередньо навчених нейронних мереж.

«Мережа начебто заповнює корумповані регіони текстурами з довколишніх», - сказав Дмитро Ульянов, співавтор дослідження в посаді reddit.

Він визнав, що існують деякі випадки, коли мережа зазнає невдачі, наприклад, складність реконструкції людського ока: «Очевидний випадок невдачі - все, що пов'язано з семантичним малюнком, наприклад. розфарбувати область, в якій ви очікуєте бути оком - наш метод нічого не знає про семантику облич і заповнить пошкоджену область деякими текстурами."

Крім відновлення фотографій, Deep Image Prior також зміг успішно видалити текст, розміщений над зображеннями. Це викликає занепокоєння, що цю модель можна використовувати для видалення водяних знаків або іншої інформації про авторські права з онлайн-зображень. Можливість реального світу, яка, можливо, не була врахована під час цього дослідження.

Цей експеримент доводить, що вам не потрібний доступ до колосального набору даних для створення функціонуючої нейронної мережі. Крім того, що можна зробити для папки "Фотографії", це може стати найвпливовішим внеском цього проекту.