இயந்திர கற்றல் என்பது மற்றொரு போக்கு கூகிள் பிளே மியூசிக் இல் அந்த மியூசிக் பிளேலிஸ்ட்களைக் கேட்கும்போது சிறந்த பரிந்துரைகளைப் பெறுவதற்கு அதைப் பயன்படுத்திக் கொள்ளலாம் என்று கருதுகிறோம். பெரிய ஜி நாடகம் குறித்து நேற்று நாங்கள் கருத்து தெரிவித்தோம் புதிய புதுப்பிப்பு மற்றும் அந்த இயந்திர கற்றல் மூலம் நீங்கள் பயன்பாட்டை அதிகமாகப் பயன்படுத்தும்போது உங்களைப் பற்றி மேலும் அறிந்து கொள்ளும்.
சாதனத்தின் தெளிவுத்திறன் அல்லது சாதனத்தின் குறைக்கப்பட்ட உள் நினைவகம் ஆகியவற்றால் வரையறுக்கப்பட்ட அந்த புகைப்படங்கள் எவை என்பதற்கு இப்போது நீங்கள் அந்த இயந்திரத்தைப் பயன்படுத்த விரும்புகிறீர்கள். ஸ்மார்ட் டி.வி அல்லது பேப்லெட் போன்ற திரைகள் அவற்றைக் கோருவதால், அதிக தெளிவுத்திறன் கொண்ட புகைப்படங்கள் அதிகளவில் தேவைப்படும் வாய்ப்பை கூகிள் இழக்க விரும்பவில்லை. அதனால்தான் அது உள்ளது RAISR எனப்படும் நுட்பத்தை அறிமுகப்படுத்தியது.
"RAISR: விரைவான மற்றும் துல்லியமான சூப்பர்-தெளிவுத்திறன் படம்"
இது இயந்திர கற்றலை இணைக்கும் ஒரு நுட்பமாகும் குறைந்த தெளிவுத்திறன் கொண்ட படங்களின் உயர்தர பதிப்புகளை உருவாக்குகிறது. RAISR கிடைக்கக்கூடிய சூப்பர் ரெசல்யூஷன் முறைகளுடன் ஒப்பிடக்கூடிய அல்லது சிறந்த முடிவுகளை உருவாக்குகிறது, மேலும் செயல்திறன் நேரத்தை 10 முதல் 100 மடங்கு கூட மேம்படுத்துகிறது. செயல்பாட்டின் இந்த விரைவுத்தன்மை ஒரு சாதனத்தில் நிகழ்நேரத்தில் கிடைக்க அனுமதிக்கிறது. பிற்காலத்தில் கூட, இந்த நுட்பம் குறைந்த தெளிவுத்திறன் கொண்ட படங்களில் இருக்கும் துண்டிக்கப்பட்ட அல்லது மாற்றுப்பெயர் கலைப்பொருட்களின் பொழுதுபோக்கைத் தடுக்கும்.
சில ஆண்டுகளாக ஒரு அப்ஸாம்ப்ளிங் என்று அழைக்கப்படும் நுட்பம், இது அதிக எண்ணிக்கையிலான பிக்சல்கள் மற்றும் குறைந்த தெளிவுத்திறனில் இருந்து உயர் தரமான படத்தைக் கொண்ட பெரிய படத்தை உருவாக்குகிறது. புதிய பிக்சலின் மதிப்புகளைச் சுற்றியுள்ள மதிப்புகளின் சேர்க்கைகளைப் பயன்படுத்தி நிரப்புகின்ற நேரியல் முறைகளைப் பயன்படுத்தும் நுட்பம். அவை நேரியல் வடிப்பான்கள் என்பதால் இந்த முறை வேகமாக உள்ளது. அதிக தெளிவுத்திறன் முடிவுகளில் தெளிவான விவரங்களை வழங்குவதில் அவை விரைவாக செயல்படுகின்றன. கீழே உள்ள படம் அதை மிகச்சரியாக காட்டுகிறது.
RAISR எவ்வாறு செயல்படுகிறது
RAISR ஐப் பயன்படுத்துகிறது இரண்டு படங்களுடன் இயந்திர கற்றல், குறைந்த தெளிவுத்திறன் கொண்ட படத்தின் ஒவ்வொரு பிக்சலுக்கும் தேர்ந்தெடுக்கும் போது, அசலின் தரத்துடன் ஒப்பிடக்கூடிய விவரங்களை மீண்டும் உருவாக்கும் வடிப்பான்களைக் கண்டுபிடிக்க குறைந்த தரம் மற்றும் உயர் தரத்தில் ஒன்று. RAISR ஐ "இரண்டு வழிகளில் பயிற்றுவிக்க முடியும்." முதலாவது ஒரு நேரடி முறையாகும், இதில் வடிப்பான்கள் குறைந்த மற்றும் உயர் தெளிவுத்திறன் கொண்ட படங்களிலிருந்து நேரடியாகக் கற்றுக்கொள்ளப்படுகின்றன. மற்ற முறை "அப்ஸாம்ப்லர்" முறையைப் போன்ற ஒரு வடிப்பானை குறைந்த தெளிவுத்திறன் கொண்ட படத்திற்கு அனுப்புகிறது, பின்னர் கொடுக்கப்பட்ட பாஸின் வடிப்பான்கள் மற்றும் உயர் தெளிவுத்திறன் படத்தை "கற்றுக்கொள்கிறது".
எந்த முறை இருந்தாலும், RAISR வடிகட்டுகிறது அவர்கள் "பயிற்சி பெற்றவர்கள்" வண்ணம் / பிரகாசம் சாய்வு, கடினமான அல்லது தட்டையான பகுதிகள் மற்றும் பலவற்றின் சிறிய திட்டுகளில் காணப்படும் "சிகரங்களின்" பண்புகளின்படி, அவை திசை, சக்தி மற்றும் ஒத்திசைவு ஆகியவற்றால் வகைப்படுத்தப்படுகின்றன.
சுருக்கமாக, நிகழ்நேரத்தில் RAISR குறைந்த தெளிவுத்திறன் கொண்ட படத்தில் ஒவ்வொரு அண்டை பிக்சலிலிருந்தும் கற்றுக்கொண்டவர்களின் பட்டியலிலிருந்து மிகவும் பொருத்தமான வடிப்பான்களைத் தேர்ந்தெடுத்து பயன்படுத்துகிறது. அந்த வடிப்பான்கள் மோசமான தரமான படத்திற்கு பயன்படுத்தப்படும்போது, அசல் தரத்துடன் ஒப்பிடக்கூடிய விவரங்களை மீண்டும் உருவாக்குகிறது உயர் தீர்மானம். மோயர் வடிவங்கள் மற்றும் பல போன்ற துண்டிக்கப்பட்ட கலைப்பொருட்களை அகற்றுவதே இது.
இன்றுவரை, இயந்திர கற்றலின் பயன்பாடு, இமேஜிங் தொழில்நுட்பத்தில் பல தசாப்தங்களாக முன்னேறியிருப்பது, பட செயலாக்கத்தில் முன்னேற்றத்தை பலவிதமான சாத்தியமான நன்மைகளில் கொண்டுள்ளது. கூகிள் வழங்கிய எடுத்துக்காட்டுகளில் ஒன்று, தொலைபேசியில் «பிஞ்ச் பெரிதாக்க» அல்லது «பிஞ்ச் of இன் சைகையை மேம்படுத்துவதாகும், இது கைப்பற்றப்படலாம், சேமிக்கப்படும் அல்லது குறைந்த தெளிவுத்திறனில் படங்களை அனுப்பவும் இதனால் அது சரியான, உயர்தரத் தீர்மானத்தில் இறுதியாக அதன் இலக்கை அடைந்தது. இது பரிமாற்றம் மற்றும் சேமிப்பக திட்டங்களுக்கு பயன்படுத்தப்படும் தரவுகளில் பெரும் சேமிப்பைக் குறிக்கும்.