機械学習は 別の傾向 現在、Google Playミュージックでそれらの音楽プレイリストを聴くときに、それを利用してより良い推奨事項を取得できると考えています。 昨日はビッグGのプレイについてコメントしていました 新しいアップデートとその機械学習により、アプリケーションをさらに使用するにつれて、あなたについてより多くのことを知ることができます。
ここで、そのエンジンを使用して、デバイスの解像度またはデバイスの内部メモリの削減によって制限されるすべての写真を確認します。 Googleは、スマートTVやファブレットなどの画面が写真を要求するため、より高解像度の写真がますます必要になるという機会を逃したくありません。 それがそれが持っている理由です RAISRと呼ばれる技術を導入しました.
「RAISR：迅速で正確な超解像画像」
これは、機械学習を組み込んだ手法です。 低解像度画像の高品質バージョンを生成する。 RAISRは、利用可能な超解像法と同等またはそれ以上の結果を生成し、パフォーマンス時間を10〜100倍向上させます。 このプロセスの迅速さにより、デバイス上でリアルタイムに利用できるようになります。 後でさえ、この技術は、低解像度の画像に存在するギザギザまたはエイリアシングのアーティファクトの再現を防ぎます。
数年の間、 アップサンプリングと呼ばれる手法、これは、より多くのピクセル数でより大きな画像を生成し、低解像度のものからより高品質の画像を生成します。 新しいピクセルを囲む値の組み合わせを使用して、新しいピクセルの値を入力する線形メソッドを使用する手法。 この方法は線形フィルターであるため高速です。 それらを高速にするものは、より高い解像度の結果で鮮明な詳細を提示するのに効果的ではありません。 下の画像はそれを完全に示しています。
RAISRのしくみ
RAISRは いくつかの画像を使用した機械学習、低品質のXNUMXつと高品質のXNUMXつで、低解像度の画像の各ピクセルに選択的に適用されたときに、元の品質に匹敵する詳細を再現するフィルターを見つけます。 RAISRは「XNUMXつの方法でトレーニング」できます。 XNUMXつは直接法で、フィルターは低解像度と高解像度の画像のペアから直接学習されます。 もうXNUMXつの方法は、「アップサンプラー」方式と同様のフィルターを低解像度画像に渡し、指定されたパスと高解像度画像のフィルターを「学習」します。
方法が何であれ、RAISRフィルター 彼らは「訓練されている」 色/明るさのグラデーション、テクスチャまたはフラット領域など、方向、パワー、コヒーレンスによって特徴付けられる画像の小さなパッチに見られる「ピーク」の特性に応じて。
つまり、RAISRは、低解像度画像の隣接する各ピクセルから学習したフィルターのリストから、最も関連性の高いフィルターをリアルタイムで選択して適用します。 これらのフィルターを最低品質の画像に適用すると、 オリジナルと同等の品質のディテールを再現 高解像度。 これは、モアレパターンなどのギザギザのアーティファクトを排除することです。
今日まで、画像技術の数十年にわたる進歩による機械学習の使用により、さまざまな潜在的な利点にある画像処理の進歩が可能になりました。 グーグルによって与えられた例のXNUMXつは、電話での「ピンチしてズーム」または「ピンチ」のジェスチャーを改善することです。これにより、キャプチャ、保存、または 低解像度で画像を送信する 最終的に目的地に適切な高品質の解像度で到達するようになりました。 これは、転送およびストレージプランで使用されるデータの大幅な節約を意味します。