Kojarzycie te filmy, w których śledczy oglądają materiały z kamery przemysłowej i kiedy trafiają na sprawcę przestępstwa zaczynają w nieskończoność powiększać jego twarz, aż bez żadnych wątpliwości można ustalić jego tożsamość? Zakładamy, że tak, bo ta naiwna wiara filmowców w możliwości technologii nieraz była przedmiotem żartów.

Okazuje się jednak, że już wkrótce zamienienie rozpikselowanego zdjęcia w obraz o wysokiej rozdzielczości będzie możliwe, a pomoże w tym sztuczna inteligencja i uczenie maszynowe.

Na swoim blogu Google uchyliło niedawno rąbka tajemnicy i zaprezentowało rezultaty swojej pracy. Wyglądają naprawdę imponująco!

Metoda, nad którą pracuje Google, nosi nazwę SR3 lub Image Super-Resolution. Dzięki uczeniu maszynowemu niewyraźne zdjęcia o słabej rozdzielczości w efekcie przetwarzane są na takie, które są imponująco wyraźne. To możliwe dzięki stopniowemu usuwaniu wszystkich szumów, warstwa po warstwie. To jednak jeszcze nie wszystko. Z pewnością chcieliście kiedyś powiększyć niewielkie zdjęcie i po zmianie rozdzielczości przywitało was morze pikseli. Jeśli tak, to z pewnością zainteresuje was kolejna innowacja. Google pracuje także nad czymś, co nazywa się CDM czy też Class-Conditional ImageNet Generation.

To metoda, która póki co pozwala zamienić fotografie o rozdzielczości 16×16 do 128×128 i 64×64 na 512×512.

Oczywiście nie od razu. Tu też zastosowana jest metoda wielokrotnego udoskonalania – zdjęcie jest stopniowo powiększane i poprawiane przez AI. Metoda jest rozwijana i inżynierowie Google liczą, że wkrótce możliwe będą bardziej spektakularne wyniki. W przypadku zdjęć twarzy pracują nad algorytmami pozwalającymi na powiększenie z 64×64 do 256×256 i z 256×256 na 1024×1024, a w przypadku zdjęć natury z 64×64 na 256×256. Póki co bowiem algorytmy Google lepiej radzą sobie z twarzami. I to – jak wynika z badania Google – dużo lepiej niż podobne algorytmy rozwijane przez inne firmy. Można więc liczyć na to, że wkrótce wasze rozpikselowane zdjęcia będzie można naprawić.

Zdjęcia: Google
Tekst: NS