Η Chinesisches Unternehmen AI Lab von Xiaomi veröffentlicht ein neues Dokument, das beschreibt ein KI-Netzwerk namens DeepExposure, das Bilder von geringer Qualität durch maschinelles Lernen verbessert. «Vergleich mit anderen Methoden„Die Forscher erklären in ihrem Artikel“,Unser Algorithmus kann die meisten Details in den Originalbildern wiederherstellen und gleichzeitig Helligkeit und Farben verbessern".
Technologie DeepExposure verwendet anspruchsvolle Netzwerke und asynchrones Lernen, um Bilder mit geringer Qualität in Abschnitte zu unterteilen, die als Unterbilder bezeichnet werden. Das System berechnet sowohl die lokalen als auch die Gesamtberichte für diese Teilbilder und bewertet dann ihre Qualität, bevor sie in das Originalbild integriert werden.
Das Endergebnis ist ein Bild mit verbesserter Belichtung und Detailtreue, das die Tür für zukünftige Lösungen öffnet, die Fotos von geringer Qualität automatisch verbessern können. Es ist möglich, dass Xiaomi diese Technologie eines Tages seinen Smartphones anbietet, die bereits andere KI-Fähigkeiten bieten.
Die Forscher weisen in ihrem Journal darauf hin: „Aufgrund der Nachfrage nach guten Fotos durch normale Benutzer übersteigt die Verbesserung der Fotoqualität die Möglichkeiten von nicht professionellen Benutzern, was zu dem neuen Trend der automatischen Techniken zur Bildretusche führt.".
Das zeigt die Studie DeepExposure könnte in Zukunft auch angepasst werden, um den Ton und den Kontrast des Bildes zu verbessern.
Η Xiaomi ist nicht das einzige Unternehmen, das künstliche Intelligenz verwendet, um Bilder automatisch zu verbessern. Anfang dieses Jahres haben ihre Forscher Intel und die University of Illinois Urbana-Champaign analysieren ein tiefes neuronales Netz , die Bilder bei schwachem Licht beleuchten kann, ohne deren Qualität zu beeinträchtigen. Ebenso eine Technologie namens Deep Image Prior wurde enthüllt letztes Jahr mit der Möglichkeit, beschädigte Teile eines Bildes basierend auf vorhandenen Bildelementen neu zu erstellen.
[the_ad_group id = ”966 ″]
