Dette neurale netværk kan gøre dine uskarpe billeder perfekt kvalitet igen

Der er ikke noget værre end at åbne et billede på din computer for at finde ud af, at det er så kornet, at du ikke engang kan begynde at klare det.

Nogle mennesker kan sige at få et bedre kamera. Disse mennesker er gennemsnitlige. Men computerforskere - de gode, hjælpsomme mennesker - siger at bruge et neuralt netværk, et edb-system designet til at efterligne tanken om den menneskelige hjerne.

Tre computerforskere fra Oxford University og Skolkovo Institut for Videnskab og Teknologi i Moskva, der specialiserer sig i computersyn, har udviklet et neuralt netværk, der kan gøre det ubrugelige billede af avocado toast til et billede, der er perfekt Instagrammable. De kalder det Deep Image Prior.

Neurale netværk er løst modelleret for at ligne en menneskelig hjerne. De består af tusindvis af noder, som de bruger til at træffe beslutninger og domme om de data, der præsenteres for dem. Ligesom småbørn begynder de ikke at vide noget, men efter et par tusind træningssessioner kan de hurtigt blive bedre end mennesker i hverdagens opgaver.

Mange neurale netværk er uddannet ved at fodre dem store datasæt, hvilket giver dem en enorm pool af information, der skal trækkes fra, når det kommer til at træffe en beslutning.

Deep Image Prior tager en anden tilgang. Det fungerer alt sammen fra det eneste originale billede, der ikke behøver nogen forudgående træning, før det kan gøre dit skøre, beskadigede billede tilbage til et high-res shot.

De tre computerforskere brugte et generatornetværk til at reducere sløret billede tusindvis af gange, indtil det bliver så godt, at det skaber billeder bedre end originalen. Den bruger den eksisterende indgang som kontekst for at udfylde de manglende eller beskadigede dele. Nogle af resultaterne var endnu bedre end output fra præ-uddannede neurale netværk.

"The netværk slags fylder de beskadigede regioner med teksturer fra nærliggende," sagde Dmitry Ulyanov en medforfatter af forskningen i et reddit-indlæg.

Han indrømmede, at der er nogle tilfælde, hvor netværket ville mislykkes, såsom kompleksiteten ved rekonstruktion af det menneskelige øje: "Det åbenlyse tilfælde af fejl ville være alt relateret til semantisk indmalning, f.eks. indlejre en region, hvor du forventer at være øje - vores metode ved intet om ansigts semantik og vil fylde den ødelagte region med nogle teksturer."

Bortset fra at genskabe fotos, kunne også Deep Image Prior effektivt fjerne tekst, der var placeret over billeder. Hvilket giver anledning til bekymring for, at denne model kan bruges til at fjerne vandmærker eller anden ophavsretlig information fra billeder online. En real-world mulighed, der måske blev overset under denne forskning.

Dette eksperiment viser at du ikke har brug for adgang til et kolossalt datasæt for at skabe et fungerende neuralt netværk. Ud over alt det gode, det kunne gøre for din fotos mappe, kan det ende med at være dette projekts mest varige bidrag.