L'apprentissage automatique est une autre tendance dans laquelle nous sommes en ce moment et suppose que nous pouvons en profiter pour obtenir de meilleures recommandations lors de l'écoute de ces listes de lecture musicales sur Google Play Music. Hier, nous commentions le jeu du grand G Avec la nouvelle mise à jour et cet apprentissage automatique, vous en saurez plus sur vous au fur et à mesure que vous utiliserez davantage l'application.
Vous souhaitez maintenant utiliser ce moteur pour ce que sont toutes ces photos qui sont limitées par la résolution de l'appareil ou par la mémoire interne réduite d'un appareil. Google ne veut pas manquer l'opportunité que des photographies à plus haute résolution soient de plus en plus nécessaires, car les écrans, tels que les téléviseurs intelligents ou les phablets, les exigent. C'est pourquoi il a introduit la technique appelée RAISR.
"RAISR: Image super-résolution rapide et précise"
C'est une technique qui intègre l'apprentissage automatique afin de produire des versions de haute qualité d'images basse résolution. RAISR produit des résultats comparables ou supérieurs aux méthodes de super résolution disponibles, et améliore même le temps d'exécution de 10 à 100 fois. Cette rapidité dans le processus leur permet d'être disponibles sur un appareil en temps réel. Même plus tard, cette technique empêchera la recréation d'artefacts irréguliers ou de crénelage qui existent dans les images basse résolution.
Depuis quelques années, il y a eu un technique appelée suréchantillonnage, qui produit une image plus grande avec un nombre de pixels plus élevé et une qualité d'image supérieure à partir d'une image basse résolution. Une technique qui utilise des méthodes linéaires qui remplissent les valeurs d'un nouveau pixel en utilisant des combinaisons des valeurs qui l'entourent. Cette méthode est rapide car ce sont des filtres linéaires. Bien que ce qui les rend rapides, cela les rend moins efficaces pour présenter des détails vifs dans des résultats de résolution plus élevée. L'image ci-dessous le montre parfaitement.
Comment fonctionne RAISR
RAISR utilise le apprentissage automatique avec quelques images, un de faible qualité et un de haute qualité, pour trouver des filtres qui, lorsqu'ils sont appliqués sélectivement à chaque pixel de l'image de résolution inférieure, recréent des détails comparables à la qualité de l'original. RAISR peut être «formé de deux manières». La première est une méthode directe, dans laquelle les filtres sont appris directement à partir de la paire d'images basse et haute résolution. L'autre méthode fait passer un filtre similaire à la méthode "upsampler" sur l'image basse résolution puis "apprend" les filtres de la passe donnée et de l'image haute résolution.
Quelle que soit la méthode, les filtres RAISR ils sont "formés" selon les caractéristiques des "pics" que l'on retrouve dans de petites parcelles d'images, telles que des dégradés de couleur / luminosité, des régions texturées ou plates et plus, qui se caractérisent par la direction, la puissance et la cohérence.
En bref, RAISR sélectionne et applique en temps réel les filtres les plus pertinents à partir de la liste de ceux appris de chaque pixel voisin dans l'image basse résolution. Lorsque ces filtres sont appliqués à l'image de la moins bonne qualité, recrée des détails de qualité comparable à l'original haute résolution. C'est ce qu'il fait est d'éliminer les artefacts dentelés comme les motifs de moiré et plus encore.
À ce jour, l'utilisation de l'apprentissage automatique, au cours de décennies d'avancées dans la technologie d'imagerie, a permis des progrès dans le traitement d'image qui reposent sur une grande variété d'avantages potentiels. Un des exemples donnés par Google serait d'améliorer le geste de «pincer pour zoomer» ou de «pincer» sur le téléphone, ce qui permettrait de le capturer, de l'enregistrer ou de le transmettre des images dans une résolution inférieure afin qu'il atteigne enfin sa destination dans sa résolution appropriée et de haute qualité. Cela signifierait une grande économie dans les données utilisées dans le transfert et dans les plans de stockage.