Reobrazowanie fotografii kosmicznej NASA, aby uzyskać wyraźniejszy rezultat. Teraz lot kosmiczny
NVIDIA od dawna znana jest ze swoich nieskazitelnych jednostek przetwarzania grafiki (GPU), a jej głównym produktem jest karta NVIDIA GeForce. Dzięki temu firma zawsze była liderem w badaniach i rozwoju doświadczeń zwiększających sztuczną inteligencję w grach wideo, projektowaniu graficznym, przetwarzaniu danych i pojazdach samochodowych.
Ostatnio NVIDIA zaczęła skupiać się na sztucznej inteligencji w izolacji, a jej najnowszy projekt kładł duży nacisk na inteligentne ponowne obrazowanie wcześniej istniejących zdjęć przy użyciu algorytmów Gaussa w celu oceny najmniejszych różnic między setkami wyraźnych i rozmytych obrazów skategoryzowanych na podstawie temperatury i odcienia, a następnie wprowadzanie tych wartości do wyrażeń regresji pojedynczych rozmytych zdjęć, aby cofnąć się do tego, jak mogły wyglądać ich oryginalne, wyraźne obrazy. Ten proces jest przeprowadzany indywidualnie dla każdego punktu na zdjęciu, a sumowanie służy do generowania ogólnej wartości najmniejszej różnicy.
Biuro NVIDIA. Nasdaq na Twitterze
Algorytm uczy się na podstawie wcześniejszych prób, co wskazują określone kolory i wzory na ekranie. Kiedy system został opracowany, składało się z tysięcy zamazanych i oryginalnych obrazów, tak aby maszyna mogła zidentyfikować, które wzory i kolory na ekranie odpowiadają rowkom i krawędziom oryginalnego obrazu. Wielokrotnie testowana, NVIDIA zdołała nauczyć swój chip sztucznej inteligencji uczenia się na podstawie poprzednich prób i przechowywania bazy danych dopasowanych kodów graficznych, które są konwertowane na kod matematyczny na podstawie lokalizacji, odcienia i temperatury. Korzystając z wcześniejszych doświadczeń i relacji ustanowionych między rozmytymi i wyraźnymi obrazami tego samego miejsca i odcienia, maszyna działa na nowych obrazach, stosując formuły, które najlepiej pasują do odcienia i temperatury nowego zdjęcia. Firma NVIDIA poddała swój algorytm wystarczającej liczbie prób, aby mieć wystarczająco silną bazę danych retencji, z której sztuczna inteligencja może korzystać podczas pracy nad nowszymi obrazami, a mechanizm działa teraz samodzielnie, będąc w stanie odkryć praktycznie każdy obraz dzięki szkoleniu w uczeniu się ze wzmocnieniem (RL) . Na przykład, po odsłonięciu wystarczającej liczby twarzy, maszyna może rozpoznać zamazane twarze podczas testu, ponieważ rozumie, które rozmyte rowki odpowiadają w rzeczywistości jakim rysom twarzy. Do bazy danych algorytmów dodano również ekspozycję na różnego rodzaju szumy, takie jak obrazy nadmiernie rozciągnięte, bielone, filtrowane i teksturowane.
W algorytmie matematyczny język program odczytuje odpowiednie uszkodzone i wyraźne loci na odpowiednich obrazach, rejestrując x, y, x ’i y’ w swojej bazie danych. Następnie tworzy krzywą regresji gaussa, aby dopasować różnice między nimi, które pozwalają na konwersję w oparciu o ogólny szum fotograficzny. W wygenerowanym wyrażeniu regresji najmniejszych kwadratów pobierana jest najniższa wartość spełniająca warunek i wykreślana jest nowa krzywa wartości gaussa. Podczas konwertowania obrazu z powrotem do jego pierwotnej, wyraźnej jakości, temperatura każdego punktu jest zmieniana na podstawie różnicy wzorca regresji w bazie danych maszyny AI, który odpowiada temu konkretnemu kolorowi i wzorowi, a każdy punkt jest odwracany, aby uzyskać cały wyraźny obraz. Mechanizm zakrzywienia gaussowskiego uwzględnia najbardziej ogólne formy szumu, ale jeśli urządzenie jest w stanie zidentyfikować inne formy szumu, które są często przypisywane niewłaściwym czasom otwarcia migawki lub ogólnemu cieniowaniu obrazu, wartość najmniejszej różnicy gaussa jest uśredniana za pomocą wartości najmniejszej różnicy poissona zbioru danych (dla pierwszego) i Bernoulliego (dla drugiego).
ReImaging dzięki sztucznej inteligencji. BT
Mówiąc kategoriami laików, rola, jaką odgrywa w tym sztuczna inteligencja, polega na inteligentnym wykrywaniu i przekształcaniu unikatowych zdjęć w oparciu o praktykę już zastosowaną przez urządzenie. Jeśli chodzi o poziom sztucznej inteligencji osiągnięty dzisiaj, który wciąż jest na etapie, na którym nie jest szczególnie niezależny i ma swoje wysiłki ograniczone do zakresu już przećwiczonych scenariuszy, NVIDIA osiągnęła ogromne sukcesy w tworzeniu maszyny, która może próbować i odtwarzać niewidoczne zdjęcia z najwyższą dokładnością dzięki konsekwentnemu dostosowywaniu i rozszerzaniu bazy danych w celu poprawy wskaźnika sukcesu kolejnych obrotów fotograficznych.
