L'apprendimento automatico lo è un'altra tendenza in cui ci troviamo al momento e supponiamo che possiamo trarne vantaggio per ottenere migliori consigli durante l'ascolto di quelle playlist musicali su Google Play Music. Ieri stavamo commentando il gioco del grande G Con il nuovo aggiornamento e quell'apprendimento automatico che saprai di più su di te mentre usi di più l'applicazione.
Ora vuoi usare quel motore per quelle che sono tutte quelle fotografie che sono limitate dalla risoluzione del dispositivo o dalla ridotta memoria interna di un dispositivo. Google non vuole perdere l'opportunità che le fotografie a risoluzione più elevata sono sempre più necessarie, perché gli schermi, come smart TV o phablet, le richiedono. Ecco perché lo ha fatto ha introdotto la tecnica chiamata RAISR.
"RAISR: immagine a super risoluzione rapida e accurata"
È una tecnica che incorpora l'apprendimento automatico per produrre versioni di alta qualità di immagini a bassa risoluzione. RAISR produce risultati paragonabili o migliori dei metodi di super risoluzione disponibili e migliora anche il tempo di esecuzione da 10 a 100 volte. Questa rapidità nel processo consente loro di essere disponibili su un dispositivo in tempo reale. Anche in un secondo momento, questa tecnica impedirà la creazione di artefatti frastagliati o di aliasing presenti nelle immagini a bassa risoluzione.
Da alcuni anni esiste un file tecnica chiamata sovracampionamento, che produce un'immagine più grande con un numero maggiore di pixel e una qualità dell'immagine superiore da un'immagine a bassa risoluzione. Una tecnica che utilizza metodi lineari che riempiono i valori di un nuovo pixel utilizzando combinazioni dei valori che lo circondano. Questo metodo è veloce perché sono filtri lineari. Ciò che li rende veloci li rende meno efficaci nel presentare dettagli vividi con risultati a risoluzione più elevata. L'immagine sotto lo mostra perfettamente.
Come funziona RAISR
RAISR utilizza l'estensione machine learning con un paio di immagini, uno di bassa qualità e uno di alta qualità, per trovare filtri che, se applicati selettivamente a ciascun pixel dell'immagine a risoluzione inferiore, ricreano dettagli paragonabili alla qualità dell'originale. RAISR può essere "addestrato in due modi". Il primo è un metodo diretto, in cui i filtri vengono appresi direttamente dalla coppia di immagini a bassa e ad alta risoluzione. L'altro metodo passa un filtro simile al metodo "upsampler" all'immagine a bassa risoluzione e quindi "apprende" i filtri del passaggio dato e l'immagine ad alta risoluzione.
Qualunque sia il metodo, RAISR filtra sono "addestrati" in base alle caratteristiche dei "picchi" presenti in piccole porzioni di immagini, come gradienti di colore / luminosità, regioni strutturate o piatte e altro, che sono caratterizzati da direzione, potenza e coerenza.
In breve, RAISR seleziona e applica in tempo reale i filtri più rilevanti dall'elenco di quelli appresi da ciascun pixel adiacente nell'immagine a bassa risoluzione. Quando questi filtri vengono applicati all'immagine di qualità peggiore, ricrea dettagli di qualità paragonabile all'originale alta risoluzione. Questo è ciò che fa è eliminare artefatti frastagliati come modelli Moiré e altro.
Fino ad oggi, l'uso dell'apprendimento automatico, nel corso di decenni di progressi nella tecnologia di imaging, ha consentito progressi nell'elaborazione delle immagini che risiedono in un'ampia varietà di potenziali vantaggi. Uno degli esempi forniti da Google sarebbe quello di migliorare il gesto di "pizzicare per ingrandire" o "pizzicare" sul telefono, in modo da poterlo catturare, salvare o trasmettere le immagini con una risoluzione inferiore in modo che finalmente abbia raggiunto la sua destinazione nella sua risoluzione adeguata e di alta qualità. Ciò significherebbe un notevole risparmio di dati utilizzati nei piani di trasferimento e archiviazione.