التعلم الآلي هو اتجاه آخر الذي نحن فيه في الوقت الحالي ونفترض أنه يمكننا الاستفادة منه للحصول على توصيات أفضل عند الاستماع إلى قوائم تشغيل الموسيقى هذه على موسيقى Google Play. بالأمس كنا نعلق على مسرحية G الكبير مع التحديث الجديد وهذا التعلم الآلي سوف يتعرف على المزيد عنك أثناء استخدامك للتطبيق أكثر.
الآن تريد استخدام هذا المحرك لما هي كل تلك الصور الفوتوغرافية التي تقتصر على دقة الجهاز أو الذاكرة الداخلية المخفضة للجهاز. لا تريد Google تفويت فرصة الحاجة المتزايدة للصور عالية الدقة ، لأن الشاشات ، مثل أجهزة التلفزيون الذكية أو أجهزة الفابلت ، تتطلبها. هذا هو السبب في ذلك قدم تقنية تسمى RAISR.
"RAISR: صورة فائقة الدقة سريعة ودقيقة"
إنها تقنية تتضمن التعلم الآلي من أجل إنتاج نسخ عالية الجودة من الصور منخفضة الدقة. ينتج RAISR نتائج يمكن مقارنتها بأساليب الدقة الفائقة المتاحة أو أفضل منها ، بل إنها تحسن وقت الأداء بمقدار 10 إلى 100 مرة. تسمح هذه السرعة في العملية بإتاحتها على الجهاز في الوقت الفعلي. حتى في وقت لاحق ، ستمنع هذه التقنية إعادة إنشاء القطع الأثرية المسننة أو المستعارة الموجودة في الصور منخفضة الدقة.
لبضع سنوات كان هناك تقنية تسمى الاختزال، والتي تنتج صورة أكبر مع عدد أكبر من وحدات البكسل وجودة صورة أعلى من دقة منخفضة. أسلوب يستخدم أساليب خطية تملأ قيم البكسل الجديد باستخدام مجموعات من القيم التي تحيط به. هذه الطريقة سريعة لأنها مرشحات خطية. في حين أن ما يجعلها سريعة تجعلها أقل فعالية في تقديم تفاصيل حية في نتائج دقة أعلى. الصورة أدناه توضح ذلك بشكل مثالي.
كيف يعمل RAISR
يستخدم RAISR ملف تعلم الآلة مع صورتين، واحدة ذات جودة منخفضة وواحدة عالية الجودة ، للعثور على المرشحات التي ، عند تطبيقها بشكل انتقائي على كل بكسل من الصورة ذات الدقة المنخفضة ، ستعيد إنشاء تفاصيل مماثلة لجودة الأصل. يمكن تدريب RAISR "بطريقتين". الطريقة الأولى هي طريقة مباشرة ، يتم فيها تعلم المرشحات مباشرة من زوج من الصور منخفضة وعالية الدقة. الطريقة الأخرى تمرر مرشحًا مشابهًا لطريقة "زيادة العينة" إلى الصورة منخفضة الدقة ثم "يتعلم" مرشحات التمرير المحدد والصورة عالية الدقة.
مهما كانت الطريقة ، فلاتر RAISR إنهم "مدربون" وفقًا لخصائص "القمم" الموجودة في بقع صغيرة من الصور ، مثل تدرجات اللون / السطوع ، والمناطق المنسوجة أو المسطحة وغير ذلك ، والتي تتميز بالاتجاه والقوة والتماسك.
باختصار ، تقوم RAISR في الوقت الفعلي بتحديد وتطبيق المرشحات الأكثر صلة من قائمة تلك التي تم تعلمها من كل بكسل مجاور في الصورة منخفضة الدقة. عندما يتم تطبيق هذه المرشحات على أسوأ جودة للصورة ، يعيد إنشاء التفاصيل التي يمكن مقارنتها من حيث الجودة بالأصل دقة عالية. هذا ما يفعله هو القضاء على القطع الأثرية الخشنة مثل أنماط Moire والمزيد.
اليوم ، أتاح استخدام التعلم الآلي ، على مدى عقود من التقدم في تكنولوجيا التصوير ، تحقيق تقدم في معالجة الصور يكمن في مجموعة متنوعة من الفوائد المحتملة. أحد الأمثلة التي قدمتها Google هو تحسين إيماءة "القرص للتكبير" أو "الضغط" على الهاتف ، مما يحقق إمكانية التقاطه أو حفظه أو نقل الصور بدقة أقل حتى وصلت أخيرًا إلى وجهتها بدقة مناسبة وعالية الجودة. وهذا يعني توفيرًا كبيرًا في البيانات المستخدمة في النقل وخطط التخزين.