Strojno učenje je še en trend v kateri smo trenutno in predvideva, da jo lahko izkoristimo za pridobitev boljših priporočil pri poslušanju teh glasbenih seznamov predvajanja v glasbi Google Play. Včeraj smo komentirali igro velikega G-ja Z novo posodobitvijo in tistim strojnim učenjem boste spoznali več o vas, ko boste aplikacijo bolj uporabljali.
Zdaj želite ta motor uporabiti za vse tiste fotografije, ki so omejene z ločljivostjo naprave ali zmanjšanim notranjim pomnilnikom naprave. Google ne želi zamuditi priložnosti, da so fotografije z višjo ločljivostjo vse bolj potrebne, saj jih zahtevajo zasloni, kot so pametni televizorji ali fableti. Zato je predstavil tehniko, imenovano RAISR.
"RAISR: hitra in natančna slika v super ločljivosti"
To je tehnika, ki vključuje strojno učenje, da bi ustvarjajo visokokakovostne različice slik z nizko ločljivostjo. RAISR daje rezultate, ki so primerljivi ali boljši od razpoložljivih metod super ločljivosti, in celo izboljša čas delovanja za 10 do 100-krat. Ta hitrost postopka jim omogoča, da so v napravi na voljo sproti. Tudi kasneje bo ta tehnika preprečila rekreacijo nazobčanih ali vzdevek, ki obstaja na slikah z nizko ločljivostjo.
Že nekaj let obstaja tehnika, imenovana upsampling, ki ustvari večjo sliko z večjim številom pik in kakovostnejšo sliko z nizko ločljivostjo. Tehnika, ki uporablja linearne metode, ki zapolnijo vrednosti novega piksela s kombinacijo vrednosti, ki ga obkrožajo. Ta metoda je hitra, ker gre za linearne filtre. Zaradi hitre hitrosti pa so manj učinkoviti pri predstavitvi živih podrobnosti v rezultatih z višjo ločljivostjo. Spodnja slika to odlično prikazuje.
Kako deluje RAISR
RAISR uporablja strojnega učenja z nekaj slikami, enega nizkokakovostnega in enega visokokakovostnega, da bi našli filtre, ki bodo ob selektivni uporabi za vsak piksel slike z nižjo ločljivostjo ustvarili podrobnosti, primerljive s kakovostjo izvirnika. RAISR lahko "usposobimo na dva načina". Prva je neposredna metoda, pri kateri se filtri naučijo neposredno iz para slik z nizko in visoko ločljivostjo. Druga metoda posreduje filter, podoben metodi "upsampler", na sliko z nizko ločljivostjo, nato pa "nauči" filtre danega prehoda in slike z visoko ločljivostjo.
Ne glede na metodo, RAISR filtrira so "usposobljeni" glede na značilnosti "vrhov", ki jih najdemo v majhnih delih slik, kot so gradienti barv / svetlosti, teksturirane ali ravne regije in še več, za katere so značilni smer, moč in skladnost.
Skratka, RAISR v realnem času izbere in uporabi najpomembnejše filtre s seznama tistih, ki so se jih naučili iz vsake sosednje slikovne pike na sliki z nizko ločljivostjo. Ko se ti filtri uporabijo za sliko najslabše kakovosti, poustvari podrobnosti, ki so po kakovosti primerljive z izvirnikom visoka ločljivost. To je tisto, kar počne, da odpravi neravne artefakte, kot so vzorci Moire in še več.
Do danes je uporaba strojnega učenja skozi desetletja napredka v slikovni tehnologiji omogočila napredek pri obdelavi slik, ki ima številne možne koristi. Eden od primerov, ki jih je navedel Google, bi bil izboljšati gesto »pinch to zoom« ali »pinch« na telefonu, s čimer bi dosegli, da bi ga lahko zajeli, shranili prenašajte slike v nižji ločljivosti tako da je končno prišel do cilja v ustrezni, visokokakovostni ločljivosti. To bi pomenilo velik prihranek podatkov, uporabljenih pri prenosu, in načrtov za shranjevanje.