Google, Düşük Çözünürlüklü Fotoğrafları Geliştirmek İçin Heyecan Verici Teknolojisini Tanıttı

RAISR

Makine öğrenimi başka bir trend şu anda kendimizi içinde bulduğumuz bu durum, Google Play Müzik'teki müzik çalma listelerini dinlerken daha iyi öneriler almak için bundan yararlanabileceğimiz anlamına geliyor. Daha dün büyük G'nin oyunu hakkında yorum yapıyorduk yeni güncelleme ve uygulamayı daha fazla kullandıkça sizin hakkınızda daha fazla şey öğrenecek makine öğrenimi ile.

Artık bu motoru, cihazın çözünürlüğü veya cihazın küçük dahili belleği nedeniyle sınırlanan tüm fotoğraflar için kullanmak istiyorsunuz. Google, akıllı TV veya tablet ekranları gibi ekranların bunları talep etmesi nedeniyle yüksek çözünürlüklü fotoğraflara giderek daha fazla ihtiyaç duyulması fırsatını kaçırmak istemiyor. Bu yüzden var RAISR adı verilen tekniği tanıttı.

«RAISR: Hızlı ve Doğru Süper Çözünürlüklü Görüntü»

Makine öğrenmesini içeren bir tekniktir düşük çözünürlüklü görüntülerin yüksek kaliteli versiyonlarını üretin. RAISR, mevcut süper çözünürlük yöntemleriyle karşılaştırılabilir veya onlardan daha iyi sonuçlar üretir ve hatta tamamlanma süresini 10 ila 100 kat artırır. Süreçteki bu hız, bunların bir cihazda gerçek zamanlı olarak kullanılabilir olmasını sağlar. Daha sonra bile bu teknik, düşük çözünürlüklü görüntülerde bulunan takma adların veya pürüzlü yapıların yeniden oluşturulmasını önlemenize olanak tanır.

Birkaç yıldır bir Yukarı Örnekleme adı verilen teknikDüşük çözünürlüklü bir görüntüden daha yüksek sayıda piksele ve daha yüksek görüntü kalitesine sahip daha büyük bir görüntü üretir. Yeni bir pikselin değerlerini, onu çevreleyen değerlerin kombinasyonlarını kullanarak dolduran doğrusal yöntemler kullanan bir teknik. Bu yöntem hızlıdır çünkü doğrusal filtrelerdir. Onları hızlı yapan şey olsa da, daha yüksek çözünürlüklü sonuçlarda canlı ayrıntıları sunma konusunda o kadar etkili değiller. Aşağıdaki resim bunu mükemmel bir şekilde göstermektedir.

Örneklenmiş

RAISR nasıl çalışır?

RAISR şunları kullanır: birkaç resimle makine öğrenimiDüşük çözünürlüklü görüntünün her pikseline seçici olarak uygulandığında, orijinalin kalitesiyle karşılaştırılabilecek ayrıntıları yeniden oluşturacak filtreleri bulmak için biri düşük, diğeri yüksek kaliteli filtreler kullanın. RAISR "iki şekilde eğitilebilir." Birincisi, filtrelerin doğrudan düşük ve yüksek çözünürlüklü görüntü çiftinden öğrenildiği doğrudan bir yöntemdir. Diğer yöntem, düşük çözünürlüklü görüntüye üst örnekleme yöntemine benzer bir filtre geçirir ve ardından verilen geçişten ve yüksek çözünürlüklü görüntüden filtreleri "öğrenir".

RAISR

Yöntem ne olursa olsun RAISR filtreleri Onlar "eğitimli" küçük görüntü parçalarında bulunan renk/parlaklık gradyanları, dokulu veya düz bölgeler ve daha fazlası gibi yön, güç ve tutarlılık ile karakterize edilen "zirvelerin" özelliklerine göre.

RAISR

Kısacası RAISR, gerçek zamanlı olarak, düşük çözünürlüklü görüntüdeki her bir komşu pikselden öğrenilenler listesinden en uygun filtreleri seçer ve uygular. Bu filtreler en kötü kalitedeki görüntüye uygulandığında, kalite açısından orijinaliyle karşılaştırılabilecek ayrıntıları yeniden oluşturur yüksek çözünürlük. Bunun yaptığı şey, Moire desenleri ve daha fazlası gibi pürüzlü eserleri ortadan kaldırmaktır.

Günümüzde, görüntüleme teknolojisinde on yıllardır süren ilerlemelerle birlikte makine öğreniminin kullanılması, görüntü işlemede çok çeşitli potansiyel faydalara sahip ilerlemeye olanak sağlamıştır. Google tarafından verilen örneklerden biri, telefondaki "yakınlaştırmak için kıstırma" veya "kıstırma" hareketini iyileştirmek olabilir; bu, bunun yakalanabileceği, kaydedilebileceği veya kaydedilebileceği anlamına gelir. görüntüleri daha düşük çözünürlükte iletin böylece nihayet uygun çözünürlükte ve yüksek kalitede hedefine ulaştı. Bu, aktarım ve depolama planlarında kullanılan verilerde büyük tasarruf anlamına gelecektir.


İlk yorumu siz

Yorumunuzu bırakın

E-posta hesabınız yayınlanmayacak. Gerekli alanlar ile işaretlenmiştir *

*

*

  1. Verilerden sorumlu: Actualidad Blogu
  2. Verilerin amacı: Kontrol SPAM, yorum yönetimi.
  3. Meşruiyet: Onayınız
  4. Verilerin iletilmesi: Veriler, yasal zorunluluk dışında üçüncü kişilere iletilmeyecektir.
  5. Veri depolama: Occentus Networks (AB) tarafından barındırılan veritabanı
  6. Haklar: Bilgilerinizi istediğiniz zaman sınırlayabilir, kurtarabilir ve silebilirsiniz.