Essas fotos meh que são muito granuladas podem receber um novo alento na vida digital por meio de um método desenvolvido por pesquisadores que encontraram uma maneira de reduzir o ruído e os artefatos. O ruído, neste contexto, refere-se à distorção visual, Como Cole's Classroom coloque - manchas que atrapalham a visualização de sua foto, os minúsculos pixels coloridos, às vezes parecendo "grão" na fotografia de filme.

A equipe discute seu trabalho em seu artigo, "Noise2Noise:Aprendendo a restauração de imagens sem dados limpos." O artigo está em arXiv. A equipe inclui afiliações com a NVIDIA, Aalto University e MIT.

(Aalto U é uma universidade na Finlândia e foi fundada em 2010 a partir da fusão da Universidade de Tecnologia de Helsinque, a Escola de Economia de Helsinque e a Universidade de Arte e Design de Helsinque.)

"Esta abordagem baseada em aprendizagem profunda aprendeu a corrigir fotos simplesmente olhando apenas para exemplos de fotos corrompidas, "disse uma postagem no NVIDIA Developer News Center.

“Uma fotografia sem ruído requer uma longa exposição ... Neste trabalho, observamos que sob adequado, circunstâncias comuns, podemos aprender a reconstruir sinais apenas de exemplos corrompidos, sem nunca observar sinais claros, e muitas vezes fazemos isso tão bem como se estivéssemos usando exemplos claros. "

Seu artigo foi apresentado no ICML, que significa Conferência Internacional sobre Aprendizado de Máquina, Na Suécia.

Katyanna Quach explicou o que há de especial em seu trabalho:"Algoritmos de visão computacional já são usados ​​automaticamente para melhorar as fotos tiradas em smartphones como o Pixel 2 ou o iPhone X, mas isso leva as coisas mais longe, "ela escreveu em O registro . "Em vez de alimentar as redes neurais com um par de imagens, onde um é de alta qualidade e o outro está borrado, este último modelo - apelidado de noise2noise - pode aprender como limpar imagens sem a necessidade de ver exemplos de alta resolução. "

Método e abordagem:eles usaram GPUs NVIDIA Tesla P100 com a estrutura de aprendizado profundo TensorFlow acelerada por cuDNN. Eles treinaram o sistema em 50, 000 imagens no conjunto de validação ImageNet.

Quach:"A equipe treinou seu modelo de noise2noise em 50, 000 imagens tiradas do conjunto de dados ImageNet e adicionadas uma distribuição aleatória de ruído a cada imagem. O sistema tem que estimar a magnitude do ruído na foto e removê-lo. "

Os autores disseram, "Nossas demonstrações de prova de conceito apontam o caminho para benefícios potenciais significativos nesses aplicativos, removendo a necessidade de coleta potencialmente extenuante de dados limpos. não há almoço grátis - não podemos aprender a selecionar recursos que não estão nos dados de entrada - mas isso se aplica igualmente ao treinamento com alvos limpos. "

O método pode ser usado para melhorar as imagens de ressonância magnética, também. Isso chamou a atenção de Brandon Hill em HotHardware . "Não apenas a NVIDIA e seus parceiros acadêmicos usaram o Noise2Noise para ajudar a restaurar fotos granuladas, mas também o estão usando para exames de imagem de ressonância magnética (MRI), o que pode ser extremamente benéfico no setor médico. "

© 2018 Tech Xplore