ચલચિત્રોમાં આપણે સામાન્ય રીતે તે સિનેમેટિક ક્ષણના ઉપયોગમાં હોઈએ છીએ જેમાં આગેવાન ફોટો ઝ cameraમ ઇન કરવા, પિક્સેલ્સને સાફ કરવા, અને ખૂબ જ વાસ્તવિક છબી બનાવવા માટે એક હાઇ પ્રોફાઇલ વિડિઓ ક cameraમેરો લે છે. આ હતી માત્ર શુદ્ધ સાહિત્ય, જોકે ગૂગલ પ્રયોગશાળાઓમાંથી એવું લાગે છે કે તે વાસ્તવિકતા હશે.
ગૂગલ બ્રેઇન લેબ એક સાહિત્યની ખૂબ જ નજીકના સમાધાન સાથે આવી હોવાનું લાગે છે. «ઝૂમ અને ઉન્નત કરો» ક્રિયા, એટલે કે એક પિક્સેલેટેડ અને અવાજથી ભરેલી છબી લો, અથવા એકના કટ-આઉટ વિભાગમાંથી, તેને વિજ્ scienceાન જાદુ તકનીક દ્વારા ચલાવીને, ઓળખી શકાય તેવો ચહેરો અથવા લાઇસેંસ પ્લેટ નંબર ઉત્પન્ન કરી શકે છે.
કમ્પ્યુટર ગ્રાફિક્સમાં એક મૂળ સિદ્ધાંત છે જે વધુ ડેટા કાractવાની મંજૂરી આપતું નથી ખૂબ ઓછી રીઝોલ્યુશન છબીમાંથી, ઉચ્ચ રિઝોલ્યૂશન છબીમાંથી. તેમ છતાં આ મશીન લર્નિંગ અથવા કોમ્પ્યુટેશનલ લર્નિંગના આગમનને કારણે આપણા દિમાગથી ભૂંસી શકાય છે.
કાર્ય હાથ ધરવામાં આવે છે બે ન્યુરલ નેટવર્ક દ્વારા હાથ ધરવામાં જુદા જુદા ખૂણાઓથી સમાન કાર્ય પર કામ કરવું. એક નેટવર્ક, જેને "કન્ડિશનર" તરીકે ઓળખવામાં આવે છે, તે નાના 8 x 8 નીચલા રિઝોલ્યુશન છબીઓને બાદમાં 8 x 8 માં વધારીને ઉચ્ચ રીઝોલ્યુશનવાળા લોકો સાથે સરખામણી કરવાનો પ્રયાસ કરે છે.
બીજી નેટવર્ક, બીજી બાજુ, છબીઓના ચોક્કસ સેટનો અભ્યાસ કરો, જેમ કે હસ્તીઓ અથવા ઓરડાઓનાં ચહેરાઓ, અને ચહેરાની મુખ્ય લાક્ષણિકતાઓનું સ્થાન જેવા દાખલાઓને સમજવાનો પ્રયાસ કરો. તે પછી તે તેમને 8 x 8 ઇમેજનાં સ્કેલ કરેલા સંસ્કરણ પર લાગુ પડે છે પછી બંને નેટવર્ક્સ એક, ઉચ્ચ રીઝોલ્યુશન ઇમેજ પર સ્કેલ કરવામાં આવે છે, જેની ચોકસાઈ તદ્દન આશ્ચર્યજનક છે અને મોટાભાગના સમયે તે હાસ્યાસ્પદ પણ છે.
આ પરિણામો ખૂબ આશાસ્પદ છે અને ગૂગલ મગજ સંશોધનકારો કહે છે કે તેઓ ઉત્સાહિત છે. તકનીક સંપૂર્ણ રીતે સંપૂર્ણ નથી, પરંતુ તે પાછલી પદ્ધતિઓ કરતા એક મોટી પ્રગતિ છે.