Pembelajaran mesin adalah trend lain di mana kita berada pada masa ini dan menganggap bahawa kita dapat memanfaatkannya untuk mendapatkan cadangan yang lebih baik ketika mendengar senarai main muzik tersebut di Muzik Google Play. Semalam kami mengulas permainan G besar Dengan kemas kini baru dan pembelajaran mesin yang akan mengenali anda lebih banyak semasa anda menggunakan aplikasi lebih banyak.
Sekarang anda mahu menggunakan enjin itu untuk semua gambar yang dibatasi oleh resolusi peranti atau oleh memori dalaman peranti yang berkurang. Google tidak mahu melepaskan peluang iaitu gambar beresolusi lebih tinggi semakin diperlukan, kerana skrin, seperti TV pintar atau phablet, menuntut mereka. Itulah sebabnya ia berlaku memperkenalkan teknik yang disebut RAISR.
"RAISR: Imej Resolusi Super Cepat dan Tepat"
Ini adalah teknik yang menggabungkan pembelajaran mesin untuk menghasilkan gambar berkualiti tinggi dengan resolusi tinggi. RAISR menghasilkan hasil yang setanding dengan atau lebih baik daripada kaedah resolusi super yang ada, dan bahkan meningkatkan masa prestasi sebanyak 10 hingga 100 kali. Kepantasan dalam proses ini membolehkan mereka tersedia pada peranti dalam masa nyata. Bahkan kemudian, teknik ini akan menghalang penciptaan artifak bergerigi atau mengasingkan yang terdapat dalam gambar beresolusi rendah.
Selama beberapa tahun terdapat teknik yang disebut upsampling, yang menghasilkan gambar yang lebih besar dengan bilangan piksel yang lebih tinggi dan gambar yang lebih berkualiti dari resolusi rendah. Teknik yang menggunakan kaedah linier yang mengisi nilai piksel baru dengan menggunakan kombinasi nilai yang mengelilinginya. Kaedah ini cepat kerana mereka adalah penapis linear. Walaupun apa yang membuat mereka cepat menjadikannya kurang berkesan dalam menyampaikan perincian yang jelas dalam hasil resolusi yang lebih tinggi. Gambar di bawah menunjukkannya dengan sempurna.
Bagaimana RAISR berfungsi
RAISR menggunakan pembelajaran mesin dengan beberapa gambar, yang berkualiti rendah dan yang berkualiti tinggi, untuk mencari penapis yang, apabila diterapkan secara selektif pada setiap piksel gambar beresolusi rendah, akan membuat perincian yang setanding dengan kualitas aslinya. RAISR dapat "dilatih dengan dua cara." Yang pertama adalah kaedah langsung, di mana saringan dipelajari secara langsung dari sepasang gambar beresolusi rendah dan tinggi. Kaedah lain menyebarkan penapis yang serupa dengan kaedah "upsampler" ke gambar beresolusi rendah dan kemudian "mempelajari" penapis lulus yang diberikan dan gambar beresolusi tinggi.
Apa sahaja kaedahnya, RAISR menapis mereka "terlatih" sesuai dengan ciri-ciri "puncak" yang terdapat pada tambalan kecil gambar, seperti kecerunan warna / kecerahan, kawasan bertekstur atau rata dan banyak lagi, yang dicirikan oleh arah, daya dan koherensi.
Ringkasnya, dalam masa nyata RAISR memilih dan menggunakan penapis yang paling relevan dari senarai yang dipelajari dari setiap piksel tetangga dalam gambar beresolusi rendah. Apabila penapis tersebut digunakan pada gambar dengan kualiti terburuk, mencipta semula butiran yang setanding dengan kualiti dengan yang asli resolusi tinggi. Inilah yang dilakukannya untuk menghilangkan artifak bergerigi seperti corak Moire dan banyak lagi.
Hingga hari ini, penggunaan pembelajaran mesin, selama bertahun-tahun kemajuan dalam teknologi pencitraan, telah memungkinkan kemajuan dalam pemprosesan gambar yang terletak pada pelbagai potensi keuntungan. Salah satu contoh yang diberikan oleh Google adalah dengan meningkatkan isyarat «cubit untuk zoom» atau «cubit» di telefon, yang dapat dicapai sehingga dapat ditangkap, disimpan atau menghantar gambar dalam resolusi yang lebih rendah sehingga akhirnya sampai ke tempat tujuannya dengan resolusi berkualiti tinggi dan tepat. Ini bermaksud penjimatan besar dalam data yang digunakan dalam transfer dan dalam rancangan penyimpanan.