El «machine learning» és una altra de les tendències en què ens trobem en aquests moments i suposa que ens puguem avantatjar d'ella per obtenir unes millors recomanacions a l'hora d'escoltar aquestes llistes de reproducció de música a Google Play Music. Ahir mateix estàvem comentant la jugada de la gran G amb la nova actualització i aquest machine learning que anirà coneixent més de tu segons facis servir més l'aplicació.
Ara vol fer servir aquest motor per al que són totes aquestes fotografies que es troben limitades per la resolució de el dispositiu o pel reduït de la memòria interna d'un dispositiu. Google no vol deixar passar l'oportunitat que és que es necessitin cada vegada unes fotografies de major resolució, pel fet que les pantalles, com les de les smart TV o les de les phablet, les exigeixen. És per això que ha introduït la tècnica anomenada RAISR.
«RAISR: Rapid and Accurate Imatge Super-Resolution»
És una tècnica que incorpora el machine learning per així produir versions d'alta qualitat d'imatges de baixa resolució. RAISR produeix resultats que són comparables ao millor que els mètodes disponibles de super resolució, i fins i tot millora el temps de realització de 10 a 100 vegades. Aquesta rapidesa en el procés permet que estiguin disponibles en un dispositiu a temps real. Fins i tot més endavant, aquesta tècnica permetrà evitar la recreació dels artefactes d'aliasing o dentat que hi ha en imatges de baixa resolució.
Des de fa uns anys hi ha una tècnica anomenada Upsampling, Que produeix una imatge més gran amb major nombre de píxels i una major qualitat en la imatge des d'una de baixa resolució. Una tècnica que es val de mètodes lineals que omplen els valors d'un nou píxel a l'usar combinacions dels valors que envolten a aquest mateix. Aquest mètode és ràpid perquè són filtres lineals. Encara que el que fa que siguin ràpids, aconsegueix que sigui no tan efectius a l'hora de presentar detalls vívids en resultats de més resolució. La imatge a continuació el mostra perfectament.
Com funciona RAISR
RAISR fa servir el machine learning amb un parell d'imatges, Una de baixa qualitat i una altra d'alta, per trobar filtres que, quan són aplicats de forma selectiva a cada píxel de la imatge de menor resolució, recrearà detalls que són comparables a la qualitat de l'original. RAISR pot ser «entrenat de dues formes». La primera és un mètode directe, en el qual els filtres són apresos directament des de la parella d'imatges de baixa i alta resolució. L'altre mètode passa un filtre semblant a l'mètode «upsampler» a la imatge de baixa resolució i llavors «aprèn» els filtres de la passada donat i la imatge d'alta resolució.
Sigui el mètode que sigui, els filtres de RAISR estan «entrenats» de forma d'acord a les característiques dels «pics» trobats en petits pegats d'imatges, com poden ser degradats de color / brillantor, regions texturitzades o planes i més, que es caracteritzen per la direcció, potència i coherència.
En definitiva, en temps real RAISR selecciona i aplica els filtres més rellevants de la llista dels apresos de cada píxel veí a la imatge de baixa resolució. Quan aquests filtres són aplicats a la imatge de pitjor qualitat, recrea detales que són comparables en qualitat a l'original d'alta resolució. Això el que aconsegueix és eliminar els artefactes de dentat com a patrons Moira i més.
A dia d'avui, l'ús de machine learning, en un tandme de dècades d'avenços en la tecnologia de la imatge, ha permès el progrés en el processat d'imatges que jeu en una gran varietat de potencials beneficis. Un dels exemples donats per Google seria per millorar el gest de «pinch to zoom» o «pessic» al telèfon, que aconseguiria que es podria capturar, guardar o transmetre imatges en una menor resolució perquè arribés al seu destí finalment en la seva resolució adequada i de gran qualitat. Això significaria un gran estalvi en les dades usats en la transferència i en els plans d'emmagatzematge.