NASA kosmosa fotogrāfijas atkārtota noformēšana, lai iegūtu skaidrāku rezultātu. Kosmosa lidojums tagad
NVIDIA jau sen ir pazīstama ar nevainojamām grafikas apstrādes vienībām (GPU), tās galvenais produkts ir NVIDIA GeForce karte. Līdz ar to uzņēmums vienmēr ir bijis līderis pētniecības un attīstības jomā, uzlabojot mākslīgo intelektu videospēlēs, grafiskajā dizainā, datu apstrādē un automobiļos.
Pēdējā laikā NVIDIA ir sākusi koncentrēties uz mākslīgo intelektu atsevišķi, ar savu jaunāko projektu, galveno uzmanību pievēršot jau esošu fotoattēlu viedai atkārtotai attēlveidošanai, izmantojot gausa algoritmus, lai novērtētu vismazākās atšķirības starp simtiem skaidru un neskaidru attēlu, kas kategorizēti, pamatojoties uz temperatūru un nokrāsu, un pēc tam ievadiet šīs vērtības atsevišķu izplūdušu fotoattēlu regresijas izteiksmēs, lai atgrieztos pie tā, kā to sākotnējie skaidrie attēli varēja izskatīties. Šis process tiek veikts individuāli katram fotogrāfijas punktam, un tiek izmantots summējums, lai ģenerētu vispārēju vismazākās atšķirības vērtību.
NVIDIA birojs. Nasdaq Twitter
Algoritms darbojas, lai mācītos no iepriekšējiem mēģinājumiem par to, ko norāda noteiktas krāsas un modeļi ekrānā. Kad sistēma tika izstrādāta, tajā bija tūkstošiem neskaidru un oriģinālu attēlu, lai mašīna varētu noteikt, kuri modeļi un krāsas ekrānā atbilst kādām rievām un malām sākotnējā attēlā. Daudzkārt pārbaudīta, NVIDIA ir paspējusi iemācīt savai AI mikroshēmai mācīties no iepriekšējiem izmēģinājumiem un uzglabāt saskaņotu grafisko kodu datu bāzi, kas tiek pārveidota matemātiskā kodā, pamatojoties uz atrašanās vietu, nokrāsu un temperatūru. Izmantojot iepriekšējo pieredzi un sakarības starp neskaidriem un skaidriem viena un tā paša lokusa un nokrāsas attēliem, mašīna ieplaisā ar jauniem attēliem, izmantojot formulas, kas vislabāk atbilst jaunās fotogrāfijas nokrāsai un temperatūrai. NVIDIA ir veicis savu algoritmu pietiekami daudz izmēģinājumu, lai būtu pietiekami spēcīga saglabāšanas datu bāze, kurā AI varētu izmantot, strādājot pie jaunākiem attēliem, un mehānisms tagad ir pats par sevi, apmācot pastiprināšanas mācībās (RL), kas spēj atklāt praktiski jebkuru attēlu. . Piemēram, pēc pietiekami daudz seju atklāšanas iekārta, pārbaudot to, var izdalīt neskaidras sejas, jo tā saprot, kuras izplūdušās rievas patiesībā atbilst kādām sejas īpašībām. Algoritmu datu bāzei ir pievienota arī dažāda veida trokšņu iedarbība, piemēram, pārspīlēti, balti, filtrēti un teksturēti attēli.
Algoritmā matemātiski valodu, programma nolasa atbilstošus bojātus un skaidrus lokusus attiecīgajiem attēliem, reģistrējot x, y, x ’un y’ savā datu bāzē. Pēc tam tas izveido gaussa regresijas līkni, lai tā atbilstu atšķirībām starp abām, kas ļauj pārveidot, pamatojoties uz vispārēju fotografēšanas troksni. Vismazāk ģenerētajā regresijas izteiksmē tiek izteikta mazākā vērtība, kas atbilst nosacījumam, un tiek uzzīmēta jauna gausa vērtības līkne. Pārveidojot attēlu atpakaļ sākotnējā skaidrajā kvalitātē, katra punkta temperatūra tiek mainīta, pamatojoties uz regresijas modeļa atšķirību AI mašīnas datu bāzē, kas atbilst konkrētajai krāsai un paraugam, un katrs punkts tiek pagriezts otrādi, lai iegūtu veselu skaidru attēlu. Gausa izliekuma mehānisms tiek ietekmēts visizplatītākajos trokšņa veidos, bet, ja ierīce spēj identificēt citus trokšņa veidus, kurus bieži attiecina uz nepareizi iestatītu slēdža ātrumu vai vispārēju attēla aizēnošanu, tad gausa mazākās starpības vērtība tiek aprēķināta vidēji datu kopas puasons (pirmajam) un Bernulli (otrajam) arī vismazākās atšķirības vērtības.
Mākslīgā intelekta palīdzība Fotoattēlu atveidošana. BT
Runājot par nespeciālistiem, mākslīgā intelekta loma šajā ziņā ir unikālu fotoattēlu gudra noteikšana un pārveidošana, pamatojoties uz ierīces jau mēģinātu kopumu. Runājot par šodien sasniegto mākslīgā intelekta līmeni, kas joprojām ir posmā, kurā tas nav īpaši neatkarīgs un cenšas aprobežoties ar jau praktizēto scenāriju klāstu, NVIDIA ir daudz sasniegusi, izveidojot mašīnu, kas var mēģināt un atjaunot neredzētas fotogrāfijas ar visaugstāko precizitātes pakāpi, konsekventi pielāgojot un paplašinot tās datu bāzi, lai uzlabotu turpmāko fotogrāfiju apgrozījuma panākumu līmeni.
