Pembelajaran mesin adalah tren lain di mana kita saat ini dan mengandaikan bahwa kita dapat memanfaatkannya untuk mendapatkan rekomendasi yang lebih baik saat mendengarkan playlist musik tersebut di Google Play Musik. Kemarin kami mengomentari permainan G besar Dengan pembaruan baru dan pembelajaran mesin itu akan mengenal Anda lebih banyak saat Anda menggunakan aplikasi lebih banyak.
Sekarang Anda ingin menggunakan mesin itu untuk semua foto yang dibatasi oleh resolusi perangkat atau oleh berkurangnya memori internal perangkat. Google tidak ingin melewatkan kesempatan bahwa foto dengan resolusi lebih tinggi semakin dibutuhkan, karena layar, seperti smart TV atau phablet, membutuhkannya. Itulah mengapa demikian memperkenalkan teknik yang disebut RAISR.
"RAISR: Gambar Resolusi Super Cepat dan Akurat"
Ini adalah teknik yang menggabungkan pembelajaran mesin untuk menghasilkan gambar resolusi rendah versi kualitas tinggi. RAISR memberikan hasil yang sebanding atau lebih baik dari metode resolusi super yang tersedia, dan bahkan meningkatkan waktu kinerja 10 hingga 100 kali lipat. Kecepatan dalam proses ini memungkinkannya tersedia di perangkat secara real time. Bahkan kemudian, teknik ini akan mencegah rekreasi artefak bergerigi atau aliasing yang ada pada gambar resolusi rendah.
Selama beberapa tahun telah ada teknik yang disebut upsampling, yang menghasilkan gambar lebih besar dengan jumlah piksel lebih banyak dan kualitas gambar lebih tinggi dari resolusi rendah. Teknik yang menggunakan metode linier yang mengisi nilai piksel baru dengan menggunakan kombinasi nilai yang mengelilinginya. Metode ini cepat karena merupakan filter linier. Apa yang membuat mereka cepat, itu membuatnya kurang efektif dalam menyajikan detail yang jelas dalam hasil resolusi yang lebih tinggi. Gambar di bawah ini menunjukkannya dengan sempurna.
Bagaimana RAISR bekerja
RAISR menggunakan pembelajaran mesin dengan beberapa gambar, satu berkualitas rendah dan satu lagi berkualitas tinggi, untuk menemukan filter yang, ketika diterapkan secara selektif ke setiap piksel dari gambar beresolusi lebih rendah, akan menciptakan detail yang sebanding dengan kualitas aslinya. RAISR dapat "dilatih dengan dua cara." Yang pertama adalah metode langsung, di mana filter dipelajari langsung dari pasangan gambar resolusi rendah dan tinggi. Metode lain meneruskan filter yang mirip dengan metode "upsampler" ke gambar beresolusi rendah, lalu "mempelajari" filter untuk lulus yang diberikan dan gambar resolusi tinggi.
Apapun metodenya, RAISR memfilter mereka "dilatih" sesuai dengan karakteristik "puncak" yang ditemukan di bagian kecil gambar, seperti gradien warna / kecerahan, bidang bertekstur atau datar, dan lainnya, yang dicirikan oleh arah, kekuatan, dan koherensi.
Singkatnya, dalam waktu nyata RAISR memilih dan menerapkan filter yang paling relevan dari daftar yang dipelajari dari setiap piksel tetangga dalam gambar resolusi rendah. Ketika filter tersebut diterapkan pada gambar dengan kualitas terburuk, membuat ulang detail yang kualitasnya sebanding dengan aslinya resolusi tinggi. Inilah yang dilakukannya untuk menghilangkan artefak bergerigi seperti pola Moire dan banyak lagi.
Hingga hari ini, penggunaan pembelajaran mesin, melalui kemajuan teknologi pencitraan selama puluhan tahun, telah memungkinkan kemajuan dalam pemrosesan gambar yang terletak pada berbagai potensi manfaat. Salah satu contoh yang diberikan oleh Google adalah meningkatkan gerakan «cubit untuk memperbesar» atau «cubit» pada telepon, yang akan mencapai bahwa itu dapat ditangkap, disimpan atau mengirimkan gambar dalam resolusi yang lebih rendah sehingga akhirnya mencapai tujuannya dengan resolusi yang tepat dan berkualitas tinggi. Ini berarti penghematan besar dalam data yang digunakan dalam transfer dan rencana penyimpanan.