Strojové učenie je iný trend v ktorej sa momentálne nachádzame a predpokladáme, že ju môžeme využiť na získanie lepších odporúčaní pri počúvaní týchto hudobných zoznamov hudby v službe Hudba Google Play. Včera sme komentovali hru veľkého G. Vďaka novej aktualizácii a strojovému učeniu sa o vás dozviete viac, keď budete aplikáciu viac používať.
Teraz chcete tento nástroj použiť na to, čo sú všetky tie fotografie, ktoré sú obmedzené rozlíšením zariadenia alebo zníženou vnútornou pamäťou zariadenia. Google si nechce nechať ujsť príležitosť, že fotografie s vyšším rozlíšením sú čoraz viac potrebné, pretože obrazovky, ako napríklad inteligentné televízory alebo tablety, si ich vyžadujú. Preto má predstavil techniku zvanú RAISR.
„RAISR: rýchly a presný obraz v super rozlíšení“
Je to technika, ktorá obsahuje strojové učenie vytvárať vysokokvalitné verzie obrázkov s nízkym rozlíšením. RAISR poskytuje výsledky, ktoré sú porovnateľné alebo lepšie ako dostupné metódy super rozlíšenia, a dokonca zvyšuje čas výkonu 10 až 100-krát. Táto rýchlosť procesu umožňuje, aby boli k dispozícii na zariadení v reálnom čase. Aj neskôr táto technika zabráni opakovaniu zubatých alebo aliasingových artefaktov, ktoré existujú v obrázkoch s nízkym rozlíšením.
Už niekoľko rokov existuje a technika zvaná prevzorkovanie, ktorý vytvorí väčší obrázok s vyšším počtom pixelov a kvalitnejší obrázok z obrázka s nízkym rozlíšením. Technika, ktorá využíva lineárne metódy, ktoré vypĺňajú hodnoty nového pixelu pomocou kombinácií hodnôt, ktoré ho obklopujú. Táto metóda je rýchla, pretože ide o lineárne filtre. To, čo ich robí rýchlymi, ich robí síce menej efektívnymi pri prezentácii živých detailov vo výsledkoch s vyšším rozlíšením. Obrázok nižšie to ukazuje perfektne.
Ako funguje RAISR
RAISR používa strojové učenie s pár obrázkami, jeden s nízkou kvalitou a jeden s vysokou kvalitou, na vyhľadanie filtrov, ktoré po selektívnom použití na každý pixel obrázka s nižším rozlíšením znovu vytvoria podrobnosti porovnateľné s kvalitou originálu. RAISR možno „trénovať dvoma spôsobmi“. Prvou je priama metóda, pri ktorej sa filtre učia priamo z dvojice obrázkov s nízkym a vysokým rozlíšením. Druhá metóda odovzdá filter podobný metóde „upsampler“ obrazu s nízkym rozlíšením a potom sa „naučí“ filtre daného priechodu a obrazu s vysokým rozlíšením.
Nech je metóda akákoľvek, filtre RAISR sú „vyškolení“ podľa charakteristík „vrcholov“ nájdených v malých škvrnách obrázkov, ako sú gradienty farieb / jasu, textúrované alebo ploché oblasti a ďalšie, ktoré sa vyznačujú smerom, silou a súdržnosťou.
Stručne povedané, RAISR v reálnom čase vyberie a použije najrelevantnejšie filtre zo zoznamu tých, ktoré sa naučili od každého susedného pixelu v obraze s nízkym rozlíšením. Keď sa tieto filtre použijú na obraz s najhoršou kvalitou, znovu vytvára detaily, ktoré sú porovnateľné kvalitou s originálom s vysokým rozlíšením. To je to, čo robí, je eliminovať zubaté artefakty, ako sú vzory Moire a ďalšie.
Používanie strojového učenia až do dnešných dní umožnilo za desaťročia pokroku v zobrazovacej technológii pokrok v spracovaní obrazu, ktorý spočíva v širokej škále potenciálnych výhod. Jedným z príkladov poskytovaných spoločnosťou Google by bolo vylepšenie gesta „priblíženia prstom na zväčšenie“ alebo „stlačenia prsta“ na telefóne, čím by sa dosiahlo jeho zachytenie, uloženie prenášať obrázky v nižšom rozlíšení aby nakoniec došiel do cieľa v správnom a kvalitnom rozlíšení. To by znamenalo veľkú úsporu údajov použitých pri prenose a v plánoch úložiska.