هذا الذكاء الاصطناعى يمكنه اعادة بناء الوجوه غير الواضحة للحركة

هذا الذكاء الاصطناعى يمكنه اعادة بناء الوجوه غير الواضحة للحركة

نعلم جميعًا مدى غضبك عندما تلتقط صوراً لبعض مباريات ركوب الدراجات أو الهوكي عالية السرعة مع هواتفك الخلوية ولا تنظر إلى ميزة التركيز في الكاميرا التي تنتج عادةً عن معرض مليء بالصور الضبابية غير القابلة للاستخدام.

لقد مررنا جميعًا بهذه المشكلات ، وللتخفيف من حدة الأشخاص الذين يواجهون مثل هذه الحالات ، فقد عمل جميعًا في معهد التأسيس للذكاء الاصطناعي في الإمارات العربية المتحدة ومعهد بكين للتكنولوجيا وجامعة ستوني بروك معًا لتطوير نظام الذكاء الاصطناعي (AI) يمكن أن تساعد الناس على إزالة الضبابية من الصور أثناء مرحلة ما بعد الإنتاج.

وفقًا للباحثين من الباحثين ، فإن هذا النظام الجديد المدعوم من الذكاء الاصطناعى يدرك أيضًا الأرض الخلفية والأمامية ويمكن أن يخفف من وجوه البشر بسهولة بالإضافة إلى ذلك ، ويعمل النظام أيضًا إلى حد بعيد ضد الحركة الحديثة أساليب deblurring كذلك.

نظرة مفصلة على هذا النظام الجديد لمنظمة العفو الدولية

عندما يحاول الشخص التقاط صورة لكائن عالي السرعة ، بسبب الحركة بين الكاميرا والكائنات ، فإن النتائج تنتهي بأنواع مختلفة من الانحطاط في المقدمة والخلفية وبسبب المسافة بين طائرات الصورة ، عادة ما تنتهي حتى مع حركات متنوعة في الموضوعات كذلك.

هذا هو المكان الذي يأتي فيه النموذج الجديد المستند إلى الذكاء الاصطناعي مفيدًا حيث يتعرف على الأقنعة البشرية والخلفية ، ثم يقوم في وقت لاحق برفع الأقنعة لاكتشاف المنطقة الأمامية والخلفية. لتدريب هذا النموذج ، قام الباحثون بتجميع مجموعة بيانات من الصور الضبابية مع صور شكل الحقيقة الواقعية والتي تضمنت الآلاف من المشاهد الخارجية وصورًا للخلفيات المعقدة وحركات وأحجام المقدمة.

تمت تغذية هذا النموذج بأزواج (Human Aware Image Deblurring )(HIDE) وتم تدريب كل من هذه الأزواج من خلال نماذج للكشف عن البشر مما أدى إلى بعض الدقة التقريبية حول الموضوعات التي تم تنقيحها لاحقًا بواسطة الشروح البشري.

يستخدم هذا النموذج من قبل الباحثين بطاقة رسومات Nvidia Titan X ويتم تدريب هذا النموذج مع كل من HIDE و GoPro Hero مجموعة من إطارات الفيديو مع أكثر من 10742 صورة.

وفقًا للباحثين ، حقق الذكاء الاصطناعى أداءً فائقًا مع نتائج الديناميكية الديناميكية مقارنة بخطوط الأساس الأخرى. مكّنت ميزة deblurring الباحثين من إعادة بناء الصور ببنية واضحة وتفاصيل دلالة.

وفقًا للباحثين من الباحثين ، فإن هذا التصميم يُمكِّن من إيجاد شبكة توحيد ديون أكثر توحِّدًا وإدراكًا للإنسان تفصل بوضوح بين الصور ذات الصلة بالبشر وطمس الخلفية.

تتيح الطريقة المستخدمة في نموذج التعلم الآلي هذا للمستخدمين اكتشاف الصور باستخدام مجموعة متنوعة من أنماط الحركة التي تشمل البشر وكذلك نتائج أفضل لكل من المقدمة والخلفيات.

تتم الأعمال السابقة من قبل الباحثين

ليست هذه هي المرة الأولى التي يعمل فيها الباحثون على طريقة لتنظيف الصور الفوضوية من خلال الذكاء الاصطناعي ولكن بدلاً من ذلك ، اقترحت Mv وجامعة آلتو أيضًا تقنيات متنوعة للتعلم الآلي للحد من ضوضاء الصورة ، كما تم إطلاق نموذج من الشركة الصينية المصنعة للهواتف الذكية Xiaomi. يساعد مستخدميها على استعادة تفاصيل الصور وتحسين ألوان الصور ذات التعرض الشديد.

تعليقات

المشاركات الشائعة من هذه المدونة

لماذا يحتاج الذكاء الاصطناعي دائمًا إلى الرقابة البشرية ، لا يهم مدى ذكائه

سيتمكن مستخدمو Google Voice قريبًا من نقل المكالمات الجارية

إن تأثيرات وباء الفيروس التاجي على العالم الإعلاني في كل من التلفزيون و YouTube لا ترقى إلى مستوى التوقعات