Quelle foto meh troppo sgranate possono avere una nuova prospettiva sulla vita digitale attraverso un metodo elaborato da ricercatori che hanno trovato un modo per tagliare il rumore e gli artefatti. Il rumore in questo contesto si riferisce alla distorsione visiva, come L'aula di Cole mettilo:puntini che impediscono di goderti la tua foto, i minuscoli pixel colorati, a volte sembra "grana" nella fotografia su pellicola.

Il team discute il proprio lavoro nel documento, "Noise2Noise:apprendimento del ripristino delle immagini senza dati puliti". Il documento è su arXiv. Il team include affiliazioni con NVIDIA, Aalto University e MIT.

(Aalto U è un'università in Finlandia ed è stata fondata nel 2010 dalla fusione della Helsinki University of Technology, la Scuola di Economia di Helsinki e l'Università di Arte e Design di Helsinki.)

"Questo approccio basato sull'apprendimento profondo ha imparato a correggere le foto semplicemente guardando solo esempi di foto danneggiate, " ha dichiarato un post sul NVIDIA Developer News Center.

"Una fotografia senza rumore richiede una lunga esposizione...In questo lavoro, osserviamo che sotto adatto, circostanze comuni, possiamo imparare a ricostruire i segnali solo da esempi corrotti, senza mai osservare segnali puliti, e spesso lo facciamo proprio come se stessimo usando esempi chiari."

Il loro documento è stato presentato all'ICML, che sta per International Conference on Machine Learning, in Svezia.

Katyanna Quach ha spiegato cosa rende speciale il loro lavoro:"Gli algoritmi di visione del computer sono già utilizzati automaticamente per migliorare gli scatti fatti su smartphone come Pixel 2 o iPhone X, ma questo va oltre, " ha scritto in Il registro . "Invece di alimentare le reti neurali con un paio di immagini, dove uno è di alta qualità e l'altro è sfocato, questo ultimo modello, soprannominato noise2noise, può imparare a pulire le immagini senza dover vedere esempi ad alta risoluzione."

Metodo e approccio:hanno utilizzato le GPU NVIDIA Tesla P100 con il framework di deep learning TensorFlow accelerato da cuDNN. Hanno addestrato il sistema su 50, 000 immagini nel set di convalida ImageNet.

Quach:"Il team ha addestrato il proprio modello noise2noise su 50, 000 immagini prese dal set di dati ImageNet e hanno aggiunto una distribuzione casuale del rumore a ciascuna immagine. Il sistema deve stimare l'entità del rumore nella foto e rimuoverlo".

Gli autori hanno detto, "Le nostre dimostrazioni proof-of-concept indicano la strada verso significativi vantaggi potenziali in queste applicazioni eliminando la necessità di una raccolta potenzialmente faticosa di dati puliti. Naturalmente, non c'è pranzo gratis – non possiamo imparare a cogliere caratteristiche che non ci sono nei dati di input – ma questo vale anche per l'allenamento con obiettivi puliti”.

Il metodo potrebbe essere utilizzato per migliorare le immagini MRI, pure. Questo ha attirato l'attenzione di Brandon Hill in HotHardware . "Non solo NVIDIA e i suoi partner accademici hanno utilizzato Noise2Noise per ripristinare le foto sgranate, ma lo stanno anche usando per le scansioni di immagini a risonanza magnetica (MRI), che può essere estremamente vantaggioso nel settore medico."

© 2018 Tech Xplore