Zrnité fotografie minulosťou? Zdá sa, že umelá inteligencia je liekom na všetko

Dnešné fotoeditory, napríklad od Adobe alebo Zoneru, dokážu v istej miere opraviť zrnité fotografie, ale umelá inteligencia (AI) to vďaka hĺbkovému strojovému učeniu urobí oveľa lepšie.

Vedci z NVIDIE, MIT a Aalto University ukázali výsledky svojej práce na konferencii o strojovom učení ICML 2018 v Štokholme. Vďaka novým algoritmom dokáže ich počítač NVIDIA Tesla GPU P100 opraviť zrnité fotografie bez akéhokoľvek ďalšieho upravovania a ladenia. Jednoducho sa na ne „pozrie“ a odstráni z nich šum a zrnitý obraz.

Hĺbkové učenie je podmnožinou AI a strojového učenia, ktoré využíva neurónové siete na poskytovanie najmodernejšej presnosti v úlohách, ako je napríklad detekcia objektov, rozpoznávanie reči, prekladač. Hĺbkové učenie sa odlišuje od bežných strojových učebných postupov tak, že sa môže automaticky učiť – bez zavádzania pravidiel, alebo znalostí ľudskej domény. Vďaka hĺbkovému učeniu tu máme hlasových asistentov, autonómne riadenie vozidiel, DeepMind od spoločnosti Google a podobne.

Hĺbkové učenie sa pri odstraňovaní šumu a zrnenia sústredilo na výcvik neurónovej siete. Striedaním zobrazovania sérií obrázkov zloženích z párov zrnitých a ostrých fotografií. AI sa pri tejto výučbe naučilo, ako vylepšiť fotografiu, aby nebola rozmazaná a zašumená. Táto metóda sa od ostatných odlišuje, pretože vyžaduje len dva vstupné obrázky so šumom, alebo zrnením. AI potom dokáže tieto nedostatky odstrániť a automaticky vylepšiť fotky. Je teda možné naučiť neurónovú sieť obnovovať „čistotu“ obrázkov bez toho, aby predtým videla kvalitné fotografie, uviedli výskumníci vo svojej práci.

Táto neurónová sieť je na rovnakej úrovni ako iné najnovšie metódy, ktoré používajú rovnakú metodiku. No toto hĺbkové učenie nemá veľké nároky na výkon a časovú náročnosť výpočtov.

Vedci použili počíač NVIDIA Tesla GPU P100 s akcelerátorom hĺbkového učenia cuDNN spolu so softvérovou knižnicou TensorFlow, ktorá pracuje až o 50 % rýchlejšie na najnovších procesoroch GPU Pascal. Hĺbkové učenie potom prebiehalo na 50 000 obrázkoch. Na otestovanie systému výskumný tím overoval neurónovú sieť v troch rôznych súboroch dát.

Existuje množstvo situácií v reálnom živote, kde je ťažké získať ostré fotky, napríklad pri slabom osvetlení (astronomické pozorovanie) či pri fyzickom vykresľovaní v reálnom čase pomocou magnetickej rezonancie.

Táto metóda s novými algoritmami AI ukazuje prínos neurónových sietí s hĺbkovým učením pre veľkú oblasť využitia. Veľkou výhodou je, že odstraňuje namáhavé a časovo náročné práce, ktoré sa doteraz nedali dosť dobre zautomatizovať. Zatiaľ však ide len o výskum, využitie v komerčnej sfére však určite nenechá na seba dlho čakať a my si už možno onedlho budeme môcť pozrieť ostré fotky našich prarodičov.