이 신경 네트워크는 흐린 이미지를 완벽한 품질로 다시 만들 수 있습니다.

컴퓨터에서 이미지를 열어서 너무 거칠어서 이미지를 만들지조차 모른다는 사실을 발견하는 것보다 더 나쁜 것은 없습니다.

어떤 사람들은 더 나은 카메라를 얻을 것이라고 말합니다. 이 사람들은 의미심장합니다. 그러나 컴퓨터 과학자들 - 좋고 도움이되는 사람들 -은 인간의 두뇌에 대한 생각을 모방하도록 설계된 컴퓨터 시스템 인 신경 네트워크를 사용한다고 말하고 있습니다.

옥스포드 대학의 컴퓨터 과학자 3 명과 컴퓨터 비전 전문 스콜 코보 과학 기술 연구소 (Skolkovo Institute of Science and Technology)는 무의미하게 픽셀 화 된 아보카도 사진을 Instagrammable 한 이미지로 만들 수있는 신경망을 개발했습니다. 그들은 Deep Image Prior라고 부릅니다.

신경망은 느슨하게 인간의 뇌와 비슷하게 모델링됩니다. 노드는 수천 개의 노드로 구성되어 있으며 노드에 제공되는 데이터에 대한 의사 결정과 판단에 사용됩니다. 유아처럼, 그들은 처음에는 아무것도 모르는 상태에서 시작합니다. 그러나 수천 회의 교육을 마친 후에는 일상적인 업무에서 인간보다 빨리 나아질 수 있습니다.

많은 신경 회로망은 큰 데이터 세트를 제공함으로써 훈련을받습니다. 의사 결정을 내릴 때 많은 정보를 얻을 수 있습니다.

Deep Image Prior는 다른 접근 방식을 취합니다. 그것은 단 하나의 원본 이미지만으로 모든 것을 해결할 수 있습니다. 사전 훈련이 필요 없기 때문에 진절머리 나는 손상된 이미지를 고해상도로 되돌릴 수 있습니다.

3 명의 컴퓨터 과학자들은 발전기 네트워크를 사용하여 흐릿한 그림을 수천 번 다시 그리기 때문에 원본 이미지보다 좋은 이미지를 생성 할 수있게되었습니다. 컨텍스트로 기존 입력을 사용하여 누락되거나 손상된 부분을 채 웁니다. 일부 결과는 사전 훈련 된 신경 네트워크의 결과보다 훨씬 뛰어났습니다.

"네트워크의 종류가 근처에서 텍스처로 손상된 지역을 채 웁니다."라고 redmit 게시물의 공동 저자 인 Dmitry Ulyanov가 말했습니다.

그는 인간의 눈을 재구성하는 것과 같이 네트워크가 실패하는 경우가 있음을 시인했다. "명백한 실패 사례는 시맨틱 인 페인팅과 관련된 것입니다. 안구가 될 것으로 예상되는 영역을 채색합니다. 우리의 방법은 얼굴의 의미에 대해 아무것도 모르고 손상된 영역을 일부 텍스처로 채 웁니다."

사진을 복원하는 것 외에도 Deep Image Prior는 이미지 위에 배치 된 텍스트를 성공적으로 제거 할 수있었습니다. 이 모델을 사용하면 이미지에서 워터 마크 또는 기타 저작권 정보를 온라인으로 제거 할 수 있다는 우려가 제기됩니다. 이 연구에서 간과 한 실제 세계의 가능성.

이 실험은 기능 신경 네트워크를 만들기 위해 거대한 데이터 세트에 액세스 할 필요가 없음을 증명합니다. 이것이 사진 폴더를 위해 할 수있는 모든 이익을 넘어서는, 그것은이 프로젝트의 가장 지속적인 공헌이 될 수도 있습니다.