NVIDIA naudoja Gauso regresijos algoritmus, kad tiksliai atvaizduotų iškraipytas nuotraukas

Tech / NVIDIA naudoja Gauso regresijos algoritmus, kad tiksliai atvaizduotų iškraipytas nuotraukas 3 minutes perskaityta

NASA kosminės fotografijos pervaizdavimas, kad gautų aiškesnį rezultatą. Erdvėlaivis dabar



„NVIDIA“ jau seniai garsėja nepriekaištingais grafikos procesoriais (GPU), kurių pagrindinis produktas yra „NVIDIA GeForce“ kortelė. Tokiu būdu bendrovė visada buvo pirmaujanti tiriant ir plėtojant patirtį, didinant dirbtinį intelektą vaizdo žaidimuose, grafiniame dizaine, duomenų apdorojime ir automobilių transporto priemonėse.

Pastaruoju metu NVIDIA pradėjo susitelkti į dirbtinį intelektą atskirai, o naujausiame projekte didelis dėmesys buvo skiriamas protingam esamų nuotraukų pakartotiniam vaizdavimui, naudojant gauso algoritmus, siekiant įvertinti mažiausius lokusų skirtumus tarp šimtų aiškių ir neryškių vaizdų, suskirstytų pagal temperatūrą ir atspalvį, ir tada šias vertes įrašykite į atskirų neryškių nuotraukų regresines išraiškas, kad grįžtumėte atgal į tai, kaip galėjo atrodyti jų originalūs aiškūs vaizdai. Šis procesas atliekamas atskirai kiekvienam nuotraukos taškui, o apibendrinimui naudojama bendroji mažiausio skirtumo vertė.



„NVIDIA Office“. „Nasdaq“ „Twitter“



Algoritmas veikia iš ankstesnių bandymų sužinoti, ką rodo tam tikros spalvos ir modeliai ekrane. Kai sistema buvo sukurta, tai buvo tūkstančiai neryškių ir originalių vaizdų, kad mašina galėtų nustatyti, kurie ekrano raštai ir spalvos atitinka pradinio vaizdo griovelius ir kraštus. Daug kartų išbandyta, NVIDIA sugebėjo išmokyti savo intelekto lustą mokytis iš ankstesnių bandymų ir saugoti suderintų grafinių kodų duomenų bazę, kuri paverčiama matematiniu kodu pagal vietą, atspalvį ir temperatūrą. Naudodama ankstesnę patirtį ir ryšius tarp neryškių ir aiškių to paties lokuso ir atspalvio vaizdų, mašina sutrinka su naujais vaizdais, pritaikydama formules, kurios geriausiai atitinka naujos nuotraukos atspalvį ir temperatūrą. „NVIDIA“ savo algoritmą išbandė pakankamai, kad turėtų pakankamai stiprią duomenų saugojimo duomenų bazę, kurią dirbtinis intelektas galėtų panaudoti dirbdamas su naujesniais vaizdais, o mechanizmas dabar yra atskiras ir gali atskleisti praktiškai bet kokį vaizdą mokydamasis sustiprinimo mokymosi (RL) . Pavyzdžiui, atidengus pakankamai veidų, mašina gali išbandyti neryškius veidus, nes supranta, kurie neryškūs grioveliai iš tikrųjų atitinka tuos veido bruožus. Įvairių rūšių triukšmas, pvz., Per daug ištemptas, išbalintas, filtruotas ir tekstūruotas vaizdas, taip pat papildė algoritmų duomenų bazę.



Algoritme matematinis kalba, programa nuskaito atitinkamus sugadintus ir aiškius lokusus atitinkamuose vaizduose, į savo duomenų bazę įrašydami x, y, x ’ir y’. Tada sukuriama gauso regresijos kreivė, kad atitiktų skirtumus tarp dviejų, kurie leidžia konvertuoti remiantis bendru fotografiniu triukšmu. Mažiausiai kvadratų generuojamoje regresijos išraiškoje imama mažiausia sąlyga tenkanti reikšmė ir braižoma nauja gauso vertės kreivė. Konvertuojant vaizdą atgal į pradinę aiškią kokybę, kiekvieno taško temperatūra keičiama atsižvelgiant į AI mašinos duomenų bazės regresijos modelio skirtumą, atitinkantį tą konkrečią spalvą ir raštą, ir kiekvienas taškas yra apverčiamas, kad gautų visą aiškų vaizdą. Gauso kreivės mechanizmas veikia labiausiai paplitusias triukšmo formas, tačiau jei prietaisas sugeba nustatyti kitas triukšmo formas, kurios dažnai priskiriamos netinkamai nustatytam užrakto greičiui ar bendram vaizdo šešėliavimui, gausiausio mažiausio skirtumo vertė apskaičiuojama pagal vidurkį duomenų rinkinio puasono (pirmojo) ir Bernullio (antrojo) mažiausios skirtumo vertės.

Dirbtinis intelektas padeda atvaizduoti nuotraukas. BT

Kalbant paprastai, dirbtinio intelekto vaidmuo šiame procese yra protingas unikalių nuotraukų aptikimas ir konversija, remiantis praktikos rinkiniu, kurį jau bandė įrenginys. Kalbant apie šiandien pasiektą dirbtinio intelekto lygį, kuris vis dar yra tame etape, kai jis nėra ypač nepriklausomas ir stengiasi apsiriboti jau taikytų scenarijų spektru, NVIDIA daug pasiekė kurdama mašiną, kuri gali bandyti ir atkurti nematytos nuotraukos aukščiausio tikslumo lygiu, nuosekliai pritaikant ir plečiant savo duomenų bazę, siekiant pagerinti vėlesnių fotografijų apyvartą.