Mašinsko učenje je još jedan trend u kojem se trenutno nalazimo i pretpostavlja da to možemo iskoristiti za dobivanje boljih preporuka prilikom preslušavanja tih muzičkih popisa na Google Play muzici. Jučer smo komentirali predstavu velikog G-a Uz novo ažuriranje i to mašinsko učenje koje će više znati o vama dok budete više koristili aplikaciju.
Sada želite koristiti taj mehanizam za sve fotografije koje su ograničene rezolucijom uređaja ili smanjenom internom memorijom uređaja. Google ne želi propustiti priliku da su fotografije veće rezolucije sve potrebne jer ih zahtijevaju ekrani, poput pametnih televizora ili phableta. Zato je predstavio tehniku nazvanu RAISR.
"RAISR: brza i precizna slika super rezolucije"
To je tehnika koja uključuje mašinsko učenje kako bi se proizvode visokokvalitetne verzije slika niske rezolucije. RAISR daje rezultate koji su uporedivi ili bolji od dostupnih metoda super rezolucije, pa čak i poboljšava vrijeme performansi za 10 do 100 puta. Ova brzina u procesu omogućava im da budu dostupni na uređaju u stvarnom vremenu. Čak i kasnije, ova tehnika će spriječiti rekreaciju nazubljenih ili utabanih artefakata koji postoje na slikama niske rezolucije.
Nekoliko godina postoji tehnika koja se naziva upsampling, koja stvara veću sliku s većim brojem piksela i sliku višeg kvaliteta iz slike niske rezolucije. Tehnika koja koristi linearne metode kojima se popunjavaju vrijednosti novog piksela pomoću kombinacija vrijednosti koje ga okružuju. Ova metoda je brza jer su linearni filtri. Iako ih čini brzima čini ih manje efikasnima u predstavljanju živopisnih detalja u rezultatima veće rezolucije. Slika ispod to savršeno pokazuje.
Kako RAISR radi
RAISR koristi mašinsko učenje sa nekoliko slika, jedan nekvalitetnog i jedan visokokvalitetnog, kako bi se pronašli filtri koji će, selektivno primijenjeni na svaki piksel slike niže rezolucije, stvoriti detalje koji su usporedivi s kvalitetom originala. RAISR se može "trenirati na dva načina". Prva je direktna metoda, u kojoj se filtri uče direktno iz para slika niske i visoke rezolucije. Druga metoda prosljeđuje filter sličan metodi "upsampler" na sliku niske rezolucije, a zatim "uči" filtere datog prolaza i slike visoke rezolucije.
Bez obzira na metodu, RAISR filtrira oni su "obučeni" u skladu sa karakteristikama "vrhova" koji se nalaze na malim dijelovima slika, poput gradijenata boje / svjetline, teksturiranih ili ravnih područja i još mnogo toga, koje karakteriziraju smjer, snaga i koherentnost.
Ukratko, RAISR u stvarnom vremenu odabire i primjenjuje najrelevantnije filtre sa liste naučenih iz svakog susjednog piksela na slici niske rezolucije. Kada se ti filtri primijene na sliku najgoreg kvaliteta, ponovno stvara detalje koji su po kvaliteti usporedivi s izvornikom visoka rezolucija. To je ono što čini uklanjanjem neravnih artefakata poput Moire obrazaca i više.
Do danas je upotreba mašinskog učenja, tokom decenija napretka tehnologije za obradu slika, omogućila napredak u obradi slika koji leži u širokom spektru potencijalnih koristi. Jedan od primjera koje bi Google dao bio bi poboljšanje gesta „stisni za zumiranje“ ili „stisni“ na telefonu, čime bi se postiglo da može biti snimljen, sačuvan ili prenosite slike u nižoj rezoluciji tako da je konačno stigao na odredište u odgovarajućoj, visokokvalitetnoj rezoluciji. To bi značilo veliku uštedu podataka korištenih u prijenosu i planovima za pohranu.