研究人员分享如何利用 AI 技术解决水下图片模糊和着色问题
他们说,这种方法在质量和数量上都与最新技术相匹配,并且能够在单个显卡上以每秒 125 帧的速度进行处理。 该团队指出,大多数水下图像增强算法(例如那些调整白平衡的算法)都不是基于物理成像模型实现,这使其不适用于一些任务。相比之下,这种方法利用了生成式对抗网络( GAN )(一种深度学习模型,模型通过框架中两个模块:生成模型和判别模型的互相博弈学习产生相当好的输出),以生成一组特定调查地点的图像并在此基础上引入第二种算法, U-Net 。 研究小组对 GAN 进行了一系列有标记场景的训练,这些场景包括 3733 幅图像和相应的深度地图,主要包括扇贝、海参、海胆和室内海洋农场内的其他此类生物。他们还获得了包括 NY Depth 在内的公开数据集,其中包含了总共数千张水下照片。 训练后,研究人员将双模型方法的结果与基线模型方法的结果进行了比较。他们指出,前者技术的优势在于它在颜色恢复上是统一的,这使它能在很好恢复绿色色调图像的同时,不破坏原始输入图像的底层结构。通常情况下,这种方式在保持“适当的”亮度和对比度的同时,还能设法恢复颜色,而在这方面其他解决方案并不特别擅长。 值得注意的是,这并不是第一个想到利用AI技术从损坏的图片中重建画面的研究团队。剑桥咨询( Cambridge Consultants )公司的 AI 系统 DeepRay 利用了一套训练有素的 GAN 来处理 10 万张静止图像的数据集,以消除不透明的玻璃窗格导致的失真。开源 DeOldify 项目使用了包括 GANs 在内的一系列人工智能模型来对旧图像和胶片进行着色和恢复。 在其他方面,微软亚洲研究院( Microsoft Research Asia )的科学家在 9 月份详细介绍了一个用于自主视频着色的端到端系统; NVIDIA 的研究人员去年描述了一个框架,该框架仅基于一个被注释过得彩色视频帧推断颜色分类;今年 6 月,谷歌AI团队推出了一种无需人工监督即可对灰度视频进行着色的算法。 venturebeat 本文素材来自互联网 (编辑:广州站长网) 【声明】本站内容均来自网络,其相关言论仅代表作者个人观点,不代表本站立场。若无意侵犯到您的权利,请及时与联系站长删除相关内容! |