С помощью таких технологий можно улучшить многие утерянные снимки.
В компании NVIDIA разработали технологию для восстановления утраченных элементов фото и других изображений. Функция напоминает инструмент программы Photoshop «Заливка с учетом содержимого» (Content-Aware Fill), однако значительно более «реалистична».
Об этом пишет Хроника.инфо со ссылкой на strana.ua.
Разработчики использовали новые технологии с элементами искусственного интеллекта для удивительно точной реконструкции снимков. Двухминутный ролик представляет результаты и показывает примеры «модификации» изображений.
Самое удивительное в новой технологии NVIDIA состоит в том, что информация для заполнения утраченных участков не извлекается из окружающих пикселей, как это происходит в случае фотошоповской «Заливки с учетом содержимого». Система NVIDIA «понимает», как должен выглядеть объект.
Например, если вы примените инструмент Content-Aware Fill к белым «дыркам» в местах, где на лице должны быть глаза — в результате промежутки заполнятся фрагментами окружающего изображения, взятыми из кожи, бровей, носа и прически.
Алгоритмы же NVIDIA понимают, что в этом участке на лице должны быть глаза, так что он и добавляет глаза — самостоятельно генерируя их.
Читайте также: NVIDIA презентовала видеоадаптер GeForce GTX 950
Как и инструмент «Заливки с учетом содержимого», система NVIDIA может применяться как для восстановления утраченного содержимого, так и для устранения дефектов и коррекции неудачных участков изображения.
Разработчики NVIDIA опубликовали статью, озаглавленную «Ретуширование дефектов изображения неправильной формы с помощью частичной свертки».
«Наша модель может эффективно справляться с дырами любой формы, размера, расположения и расстояния до границ изображения», — пишут авторы. — Предыдущие подходы глубинного обучения фокусировались на прямоугольных областях, расположенных вокруг центра изображения, и часто требовали обширной пост-обработки. Наша же модель корректно обрабатывает дыры даже большого размера».
Исследователи обучали свою интеллектуальную систему с помощью 55 тысяч случайных конфигураций дыр и трещин, примененных к огромной коллекции фотографий. Сравнивая снимки с дефектами и исходные изображения, нейронная сеть обучалась реконструированию утерянных пикселей. Дополнительные 25 тысяч масок были использованы на стадии тестирования.