Strojno učenje je još jedan trend u kojem se trenutno nalazimo i pretpostavlja da to možemo iskoristiti za dobivanje boljih preporuka prilikom preslušavanja tih popisa za reprodukciju glazbe na Google Play glazbi. Jučer smo komentirali predstavu velikog G-a S novim ažuriranjem i onim strojnim učenjem koje će upoznati više o vama dok više budete koristili aplikaciju.
Sada taj motor želite koristiti za sve fotografije koje su ograničene rezolucijom uređaja ili smanjenom unutarnjom 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 uveo tehniku nazvanu RAISR.
"RAISR: brza i precizna slika super rezolucije"
To je tehnika koja uključuje strojno učenje kako bi se proizvode visokokvalitetne verzije slika niske rezolucije. RAISR daje rezultate koji su usporedivi ili bolji od dostupnih metoda super rezolucije, pa čak i poboljšava vrijeme izvedbe za 10 do 100 puta. Ova brzina u procesu omogućuje im da budu dostupni na uređaju u stvarnom vremenu. Čak i kasnije, ova će tehnika spriječiti rekreaciju nazubljenih ili utabanih artefakata koji postoje na slikama niske rezolucije.
Nekoliko godina postoji tehnika koja se naziva upsampling, koji stvara veću sliku s većim brojem piksela i višom kvalitetom slike od one niske razlučivosti. Tehnika koja koristi linearne metode kojima se popunjavaju vrijednosti novog piksela pomoću kombinacija vrijednosti koje ga okružuju. Ova je metoda brza jer su linearni filtri. Iako je ono što ih čini brzima, čini ih manje učinkovitima u prikazivanju živopisnih detalja u rezultatima veće rezolucije. Slika ispod to savršeno pokazuje.
Kako RAISR djeluje
RAISR koristi strojno učenje s nekoliko slika, jedan niske kvalitete i jedan visoke kvalitete, kako bi se pronašli filtri koji će, selektivno primijenjeni na svaki piksel slike niže razlučivosti, stvoriti detalje koji su usporedivi s kvalitetom izvornika. RAISR se može "trenirati na dva načina". Prva je izravna metoda, u kojoj se filtri uče izravno iz para slika niske i visoke rezolucije. Druga metoda prosljeđuje filtar sličan metodi "upsampler" na sliku niske razlučivosti, a zatim "uči" filtre datog prolaza i slike visoke razlučivosti.
Bez obzira na metodu, RAISR filtrira oni su "uvježbani" prema 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 koherencija.
Ukratko, u stvarnom vremenu RAISR odabire i primjenjuje najrelevantnije filtre s popisa naučenih iz svakog susjednog piksela na slici niske rezolucije. Kada se ti filtri primijene na sliku najgore kvalitete, stvara detalje koji su po kvaliteti usporedivi s izvornikom visoka rezolucija. To je ono što čini, uklanja eliminirane nazubljene artefakte poput Moire obrazaca i više.
Do danas je upotreba strojnog učenja, tijekom desetljeća napretka tehnologije za obradu slika, omogućila napredak u obradi slika koji leži u širokom spektru potencijalnih koristi. Jedan od primjera koje je Google dao bio bi poboljšanje geste „stisni za zumiranje“ ili „stisni“ na telefonu, čime bi se postiglo da ga se može snimiti, spremiti ili prenose slike u nižoj razlučivosti tako da je konačno stiglo na odredište u odgovarajućoj, visokokvalitetnoj razlučivosti. To bi značilo veliku uštedu podataka koji se koriste u prijenosu i planovima za pohranu.